短期水火电调度(Short-term Hydrothermal Scheduling,STHS)是一个非线性、多维、多约束且时变的优化问题,当将阀点效应引入后该问题变得非凸从而更加复杂。论文以求解火电站的最优燃烧费用值为研究目标,主要从阀点的处理和算法的改进两个方面研究该问题。为应对阀点效应导致求解STHS困难的问题,建立了一种基于阀点效应的火电站配电模型。在配电模型的负荷平衡中,当不考虑系统网络损耗时,提出将系统的平衡偏差加到某一火电站的方法是较经济的一种方式;当考虑系统网络损耗时,提出将平衡偏差按任意比例分配给各个电站的方法来对系统的网络损耗近似处理,并建立了系统的网络损耗偏差值评价模型。为改善磷虾算法(Krill Herd Algorithm,KHA)在STHS问题中的寻优能力,引入混合混沌映射改善KHA的全局收敛速度;为避免算法过早收敛,通过记录每代最优磷虾个体的目标值保持不变的次数,决策对非位置占优的磷虾个体在其可行域内进行位置突变,提出一种混合混沌鳞虾算法(Hybrid Chaotic Krill Herd Algorithm,HCKHA),这是论文对KHA的第一种改进。考虑到引力搜索算法(Gravitational Search Algorithm,GSA)的非记忆性特点,并结合粒子群算法(Particle Swarm Optimization,PSO)的更新方式和KHA的位置突变策略,提出一种基于磷虾和粒子群算法的改进引力搜索算法(KHA＿PSO＿GSA),这是论文基于KHA的第二种改进。在近期文献的基础上对火电站的发电量进行重新配电,通过比较配电前后系统的燃烧费用值、网络损耗值和网络损耗偏差值来对建立的配电模型进行评价。通过五个具有不同特征的测试函数对提出的两种算法进行性能分析,将提出的两种算法和建立的火电站配电模型结合并用于四水三火和四水十火测试系统,利用非参数Friedman检验评价了算法的差异性,结果表明:HCKHA和KHA＿PSO＿GSA的寻优能力、系统的燃烧费用值和网络损耗值优于KHA、CKHA和相关文献的优化方法。