电力系统环境经济调度问题是一个多目标优化问题，该问题往往含有多个相互冲突的目标函数，使得该问题的求解非常困难。很多优化算法都被用来求解该问题，多目标粒子群算法作为一种新型的多目标优化算法，在求解电力系统环境经济调度问题中具有很大的优越性。论文根据多目标优化问题的特点，采用多种策略对多目标粒子群算法进行改进，并用于求解电力系统环境经济调度问题。论文主要完成了以下几个方面的工作:　　首先，结合聚类技术的特点，采用聚类策略对多目标粒子群算法进行了改进。在改进算法中，聚类策略直接作用于群体空间，使得群体在进化过程中不断逼近最优位置所在的区域。并且算法通过引入类内最优的概念，将基本粒子群算法的速度更新公式进行了修改，为每个个体增加了一个学习因子。采用修改后的更新公式，使得粒子在飞行中得以进行更为广泛的探索，有效地降低了算法陷入局部最优的可能性。　　其次，采用文化算法的双层演化模式及智能体系统对多目标粒子群算法进行改进。算法设计中，文化算法的群体空间采用多目标粒子群优化算法对群体进行更新演化操作;信念空间采用智能体系统更新知识储备。两层空间之间利用同步传输方式通过接受操作和影响操作来完成知识信息的交互。通过对知识的抽取、更新和学习，增强了群体向最优学习的能力，促进算法快速向最优位置逼近。　　此外，结合聚类技术增强算法的探索能力以及知识抽取策略加快了算法的寻优速度的特点，将聚类技术用于基于知识抽取的多目标粒子群优化算法的群体空间，作为群体的演化策略，采用聚类技术和知识抽取两种策略共同改进基本多目标粒子群算法。使得算法在快速收敛的同时保证解的质量。　　最后，采用多目标优化算法的评价指标分析了三种改进粒子群算法在标准多目标测试函数的收敛性和多样性，同时将改进算法用于求解电力系统环境经济调度问题，并以IEEE30BUS，6机组电力系统为例进行仿真，通过与其它文献的结果的比较验证了改进算法的可行性和有效性。