梯级水库群优化调度是一个多对象、多时段的非线性复杂问题,智能算法在求解这类多维问题时具有明显优势。研究人工蜂群算法(Artificial Bee Colony Algorithm,ABC)发现该算法参数较少、鲁棒性较强,可用于求解梯级水库优化调度问题。可是标准的ABC算法仍然存在着易陷入局部最优的问题,为了提高人工蜂群算法的性能,本文主要完成了以下改进:针对ABC算法的局部搜索精于探索、疏于开发的特征,在算法的局部搜索过程中增加当前全局最优解及其梯度信息的引导,保留了算法较优的全局寻优能力,同时提高其开发能力;针对ABC算法全局探测策略较为单一的问题,在引领蜂放弃蜜源而去探测新蜜源时,参照遗传算法的进化过程,使用选择算子、交叉算子和变异算子产生有竞争力的新蜜源;针对ABC算法的贪婪选择机制引发算法早熟的问题,引入基于排序的选择机制,使选择概率与蜜源适应度函数值大小没有直接关系,只与蜜源的排序有关,尽量保证了种群多样性。基于以上3点改进,本文提出了一种新的人工蜂群算法,以提高ABC算法整体的性能。新算法在计算少峰和多峰的高维函数时寻优性能均为最佳,优于对比的其他智能算法。同时,分析长期梯级水库发电量最大模型和水火电系统的短期优化调度问题中的水库优化调度模型,用改进的ABC算法分别测试水火联调模型中的经典四库混联算例和沅水流域梯级水库实例,在与其他智能算法的计算结果对比后,发现改进的ABC算法的计算结果精度更高、求解速度更快、鲁棒性更好,进而证实了改进算法求解梯级水库优化调度问题的适用性和优越性。