飞速发展的经济不可避免地造成能源消耗不断增加,日益严峻的环境污染问题尤其突显。作为清洁能源的水电,具有调度灵活、稳定电网等优点,在电网调峰、调频过程中起关键作用,对环境污染问题的改善以及经济发展均意义重大。然而,特大流域梯级电站群具有电站数目多、发电水头高和装机规模大等特点。梯级水电站群中长期优化调度是一个多变量、高维数、大规模多阶段问题,包含极其复杂的约束条件,求解难度非常大,目前面临诸多亟待解决的困难。首先研究了影响梯级水库调度运行的枯水期径流预测问题,然后针对梯级水电站群中长期优化调度的求解质量和效率问题分别提出了两种全新的多Agent进化算法用于建模求解。主要研究内容包括:(1)在对常规退水曲线公式分析的基础上,提出用n阶多项式函数曲线拟合消退系数,构建了基于n阶多项式的改进退水曲线预测模型。通过比较各模型预测值平均偏差率选取最佳预测模型,确定了合理的预测时段长度,并给出了枯水期径流预测的具体步骤。以功果桥水电站为实例,对枯水期进行了30天的逐日径流预测,取最小平均偏差率值对应的二阶多项式改进退水曲线作为最佳模型。预测效果良好,可供其它电站参考和应用。(2)提出了一种多Agent人工鱼群算法求解梯级水电站群中长期发电量最大问题。构造了核心Agent、群体Agent、行为Agent、评价Agent和判断Agent五种不同功能的Agent模块。通过各Agent模块之间的相互协作以及群体Agent的自主学习操作,实现了人工鱼Agent的不断更新迭代,提升了人工鱼群算法的收敛效率。以乌江梯级四座电站为例,采用所提算法对梯级中长期发电量最大模型进行优化求解,验证了所提算法的有效性。(3)将多Agent技术和粒子群优化算法相结合,提出了全新的多Agent粒子群优化算法来求解梯级水电站群中长期优化调度问题。所提算法不仅吸收了粒子群优化算法的进化机理,能与全局最优Agent共享信息,而且具有与其邻居Agent竞争、合作和自主学习的能力,能够有效避免传统粒子群优化算法易于局部收敛的问题,大幅度降低计算耗时,更高效地收敛到全局最优解。用乌江梯级五座电站为实例来验证所提算法的优越性,结果表明所提算法具有良好的计算效率和寻优能力,可供其它梯级电站参考和应用。最后对全文内容进行了总结,对不足之处和新的研究方向进行了展望。