机组组合问题属于电力系统经济调度问题,其目标是在一个调度周期内合理的安排机组的启停状态以及机组的负荷分配,使得整个机组系统的运行费用在满足各项约束条件下达到最低,近些年很多智能启发式算法被应用于机组组合问题的求解。二进制粒子群算法(BPSO)是一种很适合应用于机组组合问题求解的智能优化算法,本文研究BPSO算法改进,并将其运用于机组组合问题的求解。二进制粒子群算法(BPSO)通过扩展连续粒子群算法(PSO)应用于求解离散性组合优化问题,但参数设置和转换函数存在不合理性问题。本文通过分析各粒子与全局最优粒子间的距离的变化,得出原始BPSO算法存在全局搜索能力过强的缺陷,采用改变其转换函数和提高自身粒子多样性等多个方法改进BPSO算法。将改进后的BPSO算法应用于机组组合问题的求解,通过对机组组合问题的约束条件特殊处理,设计不同机组组合问题解决方法,取得良好效果。本文工作主要贡献如下:1.定义BPSO算法群体粒子与全局最优粒子间的距离公式,用于分析粒子群体随迭代变化规律,发现原始BPSO算法S型转换函数会影响算法收敛性,得出BPSO后期全局搜索能力过强,难以得到最优解的缺点。2.针对原始BPSO算法S型转换函数过强全局搜索能力问题,提出一种新型的V型转换函数,改出粒子速度的转换函数和位置更新公式,并将其应用于特征选择问题,实验测试验证了新的V型转换函数能使粒子向全局最优粒子方向移动,提升算法搜索能力。3.从改变BPSO算法粒子多样性的角度,对BPSO算法提出了一种自适应的变异操作,使得每个粒子在更新位置后发生概率从大到小动态变化的变异,同时,在BPSO算法的权重设置方面,采用线性递增策略并且实验确定权重设置区间,实验验证提高算法的性能。4.BPSO算法应用于机组组合问题方面,对机组组合约束条件提出了解决方法:采用了不分段与分段两种策略求解调度周期问题,再用本文改进BPSO算法结合分段思想求解机组组合问题。通过实验分析得出,本文提出的解决方案能够得到较低的消耗费用和较少的开机数目,算法的稳定性更高。