电力工业是支撑国民经济发展的先行产业,其高能耗、大排放等特点也使之成为节能减排的关键领域。作为目前我国主要的电能生产方式,水、火电在电源结构中占据重要地位。因此,通过协调水火电力系统间运行方式,提高能源资源利用效率,对实现电力系统的经济运行进而缓解我国能源供需矛盾及促进环境保护具有重要意义。为协调多个优化指标合理运行,本文构建了兼顾节能、用水及减排等多个指标相协调的水火电力系统多目标优化调度模型。针对多目标问题各子目标相互矛盾且不可公度等特性,详细阐述多目标问题和数据包络分析(DEA)的基本理论,以DEA有效性与多目标优化问题Pareto解等价理论为基础,提出粒子群算法与数据包络分析C2R模型相结合的多目标决策问题求解方法。在求解过程中,将约束条件违反程度作为算法的适应度函数以指导算法向可行解域收敛。针对基本粒子群算法过早收敛、易陷于局部最优且求解精度较低等缺陷,为了提高算法求解效率,本文提出基于动态调整学习因子及社会因子的改进策略,改进算法的收敛性能及求解精度都有明显提高。本文用两个水火电力系统算例进行仿真分析,计算结果表明把约束条件作为算法适应度函数能够使算法向约束条件违反程度减小的方向移动,能避免运用罚函数法处理约束条件时难以选择合适惩罚因子的问题。在迭代过程中,将数据包络分析评价每次优化结果的DEA效率值及约束条件违背量作为优化准则,能有效指导算法朝着多目标优化问题的Pareto最优前沿移动。采用该方法对求解电力系统多目标优化问题时不用考虑多个目标之间性质及量纲不同等因素且无需设置各指标间的权重系数,不仅避免人为设置偏好权重信息的主观随意性对优化结果的影响,还能为决策者提供丰富的可行决策方案信息。仿真结果验证了本文所构建模型的正确性及所提求解方法的可行性和有效性。