南水北调工程中,泵站是其重要的组成部分,也是主要的耗能单元。泵站工程在运行时往往需要根据流量、扬程等因素对水泵机组的开关、叶片角度进行实时调整以达到工况最优、装置效率最高,这些都会直接影响整个工程的成本和经济效益。但是反观我国当前泵站现状,往往效能过低,且存在严重的资源浪费现象,而这也在一定程度上促使了其优化改造工作的进行。泵站优化调度数学模型的构建较为复杂,选择一个合适的算法对模型进行求解至关重要。在以往的优化方案中,遗传算法常被采用来进行求解,当进行大空间搜索时存在计算效率低的缺点,因此本文在遗传算法中引入粒子群算法,结合后者运算效率高以及进化模式单一的优势,使得遗传粒子群融合算法整体性能得到提高。从优化调度原理着手,并使用多种测试函数对融合算法性能进行评估,验证遗传粒子群融合算法相较于遗传算法和粒子群算法的优秀性能。本文对泵站的机组优化调度方案进行了深层次的分析探讨,针对泵站机组的运行测试性能数据,通过最小二乘法对其采取多项式拟合,使用MATLAB软件绘制其性能曲线。在此基础之上,探讨泵装置在不同装置扬程的条件下,叶片角度的优化调整。本文以高港泵站为例,针对高港泵站有两组不同调控性能机组的特点,引入大系统理论,考虑众多约束调节,建立了泵站优化调度问题的二层分解协调数学模型。针对该模型,分别采用传统遗传算法和遗传粒子群融合算法,通过MATLAB对二者进行分析,试验结果显示:使用遗传粒子群融合算法较遗传算法优化得到的机组流量及开关分配更优、平均装机效率更高、计算速度更快。验证了遗传粒子群融合算法对泵站优化调度问题的适用性和有效性。本文分析了长江潮位对高港泵站扬程的影响,对于其扬程变化幅度大且频繁这一问题,考虑不同时段的扬程和电价变化等因素,建立以耗电费最小为目标的泵站日运行优化模型,考虑不同时段的扬程和电价变化等因素,在不同抽水流量要求下,采用遗传粒子群融合算法进行求解,快速准确地得到泵站的最优运行策略,确定了泵站机组开启组合和全调节机组的叶片角度,并算出日运行最低电力费用。