国民经济的快速发展需要强大的电力工业作为支撑，同时也需要兼顾对环境的保护和资源的节约利用。随着能源出现短缺以及环境污染的日益严重，实施可持续发展战略成为我国前进的必经之路。在这种大背景下，国家应大力发展可再生资源，减少对非再生能源的依赖和使用。我国拥有极其丰富的水力资源，发展水电能源对国家电力工业的建设和环境保护都具有重大的意义。在现阶段，火力发电和水力发电依旧是我国电力工业的主力军。梯级水电站和含有梯级水电站的水火电系统优化调度由于具有显著的经济效益和环保效益，成为国内外学者研究的重点。　　近年来，我国水电能源的开发进入了快车道。随着各水电基地梯级水电站的陆续完工和顺利投产，梯级水库群的优化调度问题也成为学术界和工程界研究的热点，其优化求解成为一个具有显著经济效益的研究课题。梯级水电站优化调度需要综合考虑水电站间复杂的水力约束和电力约束等因素，是一个非线性、多变量、强约束的复杂优化问题。水火电系统短期优化调度是指在一个调度周期内，在满足电力系统负荷约束以及水火电机组技术约束的条件下，最大限度地减少水火电系统的污染排放和发电成本。对于含有梯级水电站的水火电系统，其自身是一个具有复杂约束条件的高维度、动态性、时滞性的非线性优化问题。由于该类优化问题的复杂性，找出理论上的最优解是比较困难的，智能算法的出现给人们解决梯级水电站和水火电优化调度问题提供了新的思路和方向。因此，建立考虑实际运行条件约束的经济调度模型和选取优异的智能算法是一项重要的研究课题。　　本文分别建立了梯级水电站优化调度和水火电系统短期经济优化调度的数学模型，引入了一种全新的群智能优化算法——纵横交叉算法（CSO）。纵横交叉算法（CSO）采用垂直交叉和水平交叉两种算子组成的双搜索机制，这种双搜索机制与竞争算子共同组成了该算法的寻优搜索方式。从信息认知的角度来看，水平交叉是基于个体粒子的自我认知进行的搜索，而垂直交叉则是基于社会群体之间的相互学习和帮助进行的搜索。纵横交叉算法通过将两种认知能力进行结合，展现出对比单一认知能力时更加强劲的搜索能力，可以有效地避免局部最优问题，寻找到全局最优解。　　为验证纵横交叉算法在梯级水电站优化调度和水火电系统短期经济优化调度问题上的适用性和高效性，本论文分别建立了一个梯级总发电效益最大的优化调度模型和一个包含梯级水电站并考虑系统负荷平衡和机组技术特性的水火电力系统调度模型，采用纵横交叉算法对两个模型进行仿真优化求解。仿真结果表明，纵横交叉算法在求解复杂经济调度问题时，对比现有智能算法在收敛速度和求解精度上具有更强的竞争力。