电力系统的经济调度问题上是一个高维、非线性、多约束的复杂问题，这对我们计算造成了许多困难。因为电力系统的经济调度未来发展前景形势较好，会给人类带来巨大的收益，并且风电的波动特性和随意性对经济调度增大了许多困难，故国内外许多学者受吸引持续对该问题进行大量的研究和改进。经济调度的问题一般有两种解决方法：传统优化算法和现代优化算法[16]。传统优化算法包括优先顺序法、动态规划法[17]、内点法[18]，现代优化算法包括遗传算法[19]、蚁群算法[20]、粒子群算法[21]。76793

优先顺序法是将机组按照某种经济特性排列出来，然后根据负荷的大小按顺序依次切换机组。优先顺序提出时间较早，应用范围较广，简单、易于实现、运算周期短。但是它只提供顺序表，对于具体投放时间并不确定，而且它忽略启动耗量，在经济调度中不能考虑全面。

动态规划法是就是以时间作为划分阶段，将其分为若干个阶段，产生若干个子问题，然后依次解决，最后一个问题的解就是所求的最优解，其子问题的求解虽多，但解决起来较为简单。动态规划法思路清晰、划分清楚、计算速度快，但是它的近似方法可能会失去最优解，并且会忽略许多约束条件，不能准确的构造数学模型。论文网

遗传算法是基于生物的进化现象，以编码空间代替问题的参数空间，在迭代的过程中通过随机重组编码群体的基因，实现个体的进化，即得到最优解。遗传算法不用将电力系统调度问题近似化，能找到全局最优解。但是遗传算法属于无约束的随机算法，当涉及到约束问题时，不能确保获得全局最优解，而且计算速率低。

粒子群算法是基于鸟类的觅食行为以群体的概念通过对大量个体行为的聚合与竞争，以粒子在寻优空间的位置并追随当前最优粒子，通过迭代搜索找到最优解，是一种现代智能进化算法。粒子群算法本身具有较强的适应性和实用性，并行处理好，鲁棒性高，计算效率高，找到全局最优解的概率较上述几种算法高，是在电力系统中应用较为广泛的一种算法。