随着能源短缺和环境危机的问题越来越突出，开发清洁可再生能源来代替传统化石燃料发电显得越来越迫切和重要。风力发电清洁安全，且成本低，经济性优势也最明显，在全国乃至全球得到迅速发展。然而，由于风电具有随机性、间歇性和不可控性，且风电功率预测精度仍然较低，大规模风电的接入对电力系统发电计划和调度带来新的挑战。本文针对含风电场的电力系统机组组合这一问题开展了相关的模型和求解方法的研究。
（1）由于风电功率是随机变量，且风电功率预测精度仍然较低，直接采用风电功率预测曲线进行机组组合模型的建立虽过程简单，但难以模拟风电出力的变化范围，处理过于粗糙，只能得到问题的次优解。本文提出了基于风电功率区间预测信息的含风电场电力系统机组组合模型和基于场景法的含风电场电力系统随机机组组合模型。前者采用风电功率区间预测信息来考虑风电不确定性对系统备用容量的需求；后者在风电功率区间预测的基础上，通过一定数目的具有代表性的场景及其对应的概率来模拟随机变量的可能出力范围，在满足期望运行成本最小的情况下，做出最优机组启停决策，然后与日内滚动计划配合，实现日前决策与实时调度的协调调度。同时，提出了新的场景生成和减少技术。算例仿真结果显示了本文模型的有效性和实用性。
（2）机组组合问题属于二层规划问题，是高维、非凸、非线性的混合整数优化问题，难以求得其最优解。对此，本文采用内外两层优化方法，外层采用改进的量子离散粒子群算法确定机组开停机状态；内层采用原对偶内点法求解机组运行状态既定条件下的负荷经济分配。此外，为了提高算法的计算效率和解的精度，针对基本的量子离散粒子群算法，提出两点改进：一是提出部分贪心变异策略，使粒子跳出局部最优值，避免粒子早熟现象；二是提出新的启发式调整规则修正越界个体，避免种群随机性过强导致找不到可行解。
（3）针对节能减排政策的提出，研究两种考虑有害气体排放量的含风电场电力系统机组组合模型，并提出了一种新的多目标量子离散粒子群算法。一种模型是采用加权系数法将考虑有害气体排放量的含风电场多目标调度问题转化为单目标优化问题；一种模型是考虑常规火电机组总发电成本和有害气体排放量的两目标问题，采用基于帕累托最优的多目标量子离散粒子群进行求解。算例仿真结果表明同时考虑运行成本和排放量得到的解更合适，在环境效益和经济效益中取得折中，多目标量子离散粒子群算法相比加权系数法，得到的解更优，实用性和操作性更强。
