传统电力系统机组组合是预先安排好各个机组在一个调度周期内的启停状态与出力分配,从而达到火电机组燃煤费最低等经济性最优目标,然而随着煤炭等化石能源消耗所占比重过大,一系列污染问题相继产生,低碳减排等理念渐渐深入各行各业。以风电为代表的一批低污染、低消耗、可再生的新能源发电技术开始广泛应用到生产电能中来,正如所有新能源具备的随机性与波动性等特点,风电的接入必然给电力系统的机组组合问题带来不确定性影响,研究如何更科学地处理风电场的电力系统机组组合问题具有十分重要的现实意义。论文首先阐述了选题研究背景及意义,对我国风力资源状况、风电行业发展历程与传统电力系统机组组合问题进行了概述;然后从风电不确定对机组组合的影响、含风电的机组组合建模及求解方法这三个方面对国内外研究现状进行深入分析;在此基础上,针对风电场的短期风速预测,以某风电场的29天实测风速数据为训练样本,采用基于支持向量机的预测方法来进行预测周期为48小时的算例仿真;为了区别传统单目标机组组合方式,引入低碳减排理念来构建含CO2与SO2两种污染气体排放量最小的多目标函数,并对多目标优化问题的数学概念与基于Pareto最优解集的求解思路进行详细说明;在众多求解多目标问题的现代智能算法中,NSGA-II算法极具代表性与优越性,论文详细描述了该算法的求解过程,并通过3个经典多目标测试函数来验证其性能,针对含混合整数变量及时间耦合特性的多目标机组组合问题,论文提出了基于双层优化的改进NSGA-II算法求解策略,以算法的自我嵌套调用,模糊化决策取优来完成优化问题求解。通过构建含风电场的多目标机组组合数学模型,以某个由10机组及1风电场构成的系统进行调度周期为24小时的算例仿真分析,对求解目标值的两方案对比来验证本文所提出的求解策略可行性和有效性。本文所建模型及求解策略基于实际生产发电情况,具有一定的实用价值与指导意义。