水电是我国重要的可再生能源,水电站需要在满足航运、灌溉、供水以及其他生态需求的同时保证自身收益的最大化,这些需求往往在优化调度模型体现为各项软约束。由于水电流域背景的复杂性程度较高,且随机入流等外部不确定性因素对于电站决策具有较大的影响。因此,如何解决随机状态下水电站中长期约束的优先级问题成为当下亟待解决的关键。本文针对单级电站和干流梯级水电站系统优化模型求解中的软约束问题,基于多级相关机会（MLDC）水库调度背景,提出了两种细化的MLDC模型。具体研究内容如下:（1）模型一MLDC-RC是基于可靠性机会动态规划（RCDP）的MLDC模型,在求解过程中,将所有软约束替换为1的机会约束,并通过设置不同级别约束的拉格朗日乘子来反映约束的优先级;基于对模型采取时间相关性随机入流和概率分布随机入流两种方式,将模型细化为MLDC-RC-SDP和MLDC-RC-SSDP。由于多重优化严重限制了随机动态规划（SDP）求解非凸极大化水库调度模型的精度,为了解决这个问题,引入了一种结合遍历和搜索的两阶段优化算法,通过对整个可行域进行粗遍历,识别出可能存在局部最优解的单个或多个可行域,并使用局部搜索算法对每个可行域进行局部优化。在实例中将该模型和方法应用于小湾水库和梯级水库,并对结果进行了分析。（2）模型二MLDC-DC是基于相关机会动态规划（DCDP）的MLDC模型,该模型的约束优先级可以在动态规划（DP）的递推函数中明确表达。在DCDP模型中,水库所有的软约束和效益被定义为具有不同优先级的目标,用目标向量代替普通动态规划中的目标函数。将各状态解的目标最大化逻辑替换为优先级越高,目标性能越好的比较逻辑。结合前章所述的两阶段优化算法,分别采用MLDC-RC-SDP、MLDC-RC-SSDP、MLDC-DC-SDP和MLDC-DC-SSDP求解多层约束水库调度模型,以最小下泄流量、最小出力和保证出力为三级约束,以发电量最大化为目标函数,并对所求结果进行分析。实例研究表明,本文提出的基于相关机会规划的水电站长期约束分级模型能够解决水电调度模型软约束分级问题。其中,MLDC-DC-SSDP模型相较其他三种模型而言结果更优,能够更加充分反应约束优先级,并能够为科学合理制定运行方案提供相应依据。