随着我国电力工业市场化改革的逐步深入,独立发电企业为了在激烈的市场竞争中生存和发展,迫切需要提高企业自身的竞争力。而对于含有多台(套)机组的发电厂来说,机组的组合优化及负荷的经济分配是降低电厂发电成本、提高电厂利润的重要手段。本文建立了电力市场环境下适用于多台(套)F级单轴燃气—蒸汽联合循环机组的机组组合优化及负荷经济分配的数学模型,针对该类型机组具有分级燃烧的特点增加了相应的约束条件。与常规的火电机组相比,联合循环机组的变工况过程受机组运行所处的外界条件的影响较大,仅考虑机组负荷一个影响因素的机组热耗曲线不能反映真实的变工况过程。本文利用机组的历史运行数据建立了基于前馈型人工神经网络的机组变工况模型,实现了从影响机组变工况性能的8个主要影响因素到机组热耗率的映射,并将该变工况模型应用在机组组合优化及负荷经济分配问题数学模型的求解过程中。在综合比较各种优化算法的基础上,针对本文所建数学模型的特点,选用遗传算法作为数学模型的求解方法,并且结合两个数学模型目标函数和约束条件的特点从多方面对标准遗传算法做了改进。在遗传算子方面,设计了能够根据优化过程自适应调整交叉概率和变异概率的算子,减轻了优化过程对算法主要参数的依赖性;在约束条件的处理方面,根据不同约束条件的特点分别采用不同的方式进行处理。算例分析表明,在求解机组组合优化及负荷经济分配问题时本文所设计的改进型遗传算法是可行的。算例分析还表明,基于联合循环机组变工况模型的求解方法比基于热耗曲线的求解方法能取得更优的机组组合及负荷分配的结果。