随着碳达峰、碳中和理念的提出,节能减排成为电力系统的一个重要调度目标。电能生产环节中如何实现节能减排和提高能源的综合利用效率,是当前各国研究的热点话题。热电联产技术在不增加煤耗的情况下,可以同时提供电和热两种能量,在经济和环境方面均有良好的效益。近些年来,热电联产机组占整个发电机组的比例不断增大,装机容量也在逐年提升,与此同时环境也在不断恶化。因此,开展热电联产方面的研究具有重要的现实意义。同时也有利于满足国家节能减排、构建绿色电力系统的宏观战略要求。骨干粒子群优化算法具有无需整定参数、原理简单等优点,能够有效解决因参数设置带来的问题。同时存在着多样性不足、在迭代后期收敛速度慢、易陷入局部寻优和求解精度低等问题。在单目标骨干粒子群算法中最优粒子会处于停滞状态,丢失多样性。对此,本文对其改进,用于求解热电联产相关问题。本文提出了一种基于混和萤火虫和改进骨干粒子群算法的热电联产经济调度的求解方法。萤火虫算法中最优粒子不会失去活力和处于停滞状态,因此本文通过混合改进策略,使得骨干粒子群算法中最优粒子能够保持活力,增强了算法的寻优能力。改进算法采用非线性自适应粒子更新策略,赋予全局最优和个体最优不同时期不同的权值,以适应不同阶段的搜索要求,并通过四个热电联产经济调度算例验证了改进算法的有效性。本文提出了一种自适应多目标骨干粒子群优化算法的电力系统环境经济调度的求解方法。该算法采用一种搜索权重非线性递减策略改进骨干粒子群的位置更新模式,并在不同搜索阶段对最差粒子设计不同的位置更新策略,最后对6机IEEE30节点的测试系统进行仿真计算,并与其他算法进行对比分析,结果显示该算法具有良好的可行性和有效性。本文提出了一种改进的多目标骨干粒子群优化算法求解热电联产环境经济调度的求解方法,提出了四种改进策略,即（1）提出了一种非线性自适应粒子更新策略来自动调整个体最优值和全局最优值的权重,并根据迭代进程缩小生成新粒子的标准偏差;（2）提出了一种改进个体最优值选取的策略,通过比较个体最优值和目标粒子的稀疏性来更新个体最优值,而不是支配性;（3）通过从Pareto最优解集中随机选择Pareto最优解作为粒子的全局最优解,目的在于确定每个目标粒子的全局最优值;（4）提出了一种结合斜率法和拥挤距离法的改进策略来确定Pareto最优前沿。将改进算法应用于三个热电联产环境经济调度测试系统,仿真结果表明,与其他算法相比,本文改进算法能够以更低的发电燃料成本和更少的污染物排放量实现更高质量的调度方案。