论文首先全面评述了传统优化算法和现代智能启发式算法在水火电力系统短期经济运行中取得的研究成果和存在的不足,并在此基础上进一步确立了该论文的主要研究内容和研究方向.第二章从自然进化现象及生物进化理论和模拟进化算法的关系入手,阐述了模拟进化算法的产生历史、研究现状和发展趋势,并对遗传算法(GA)、进化规划(EP)、进化策略(ES)三种典型模拟进化算法的实现技术进行了详细论述.第三章在对GA、EP和ES三种算法异同点加以对比分析的基础上,提出将它们统一在进化计算的框架之中,并建立起一个进化计算框架.第四章通过对二进制编码遗传算法缺陷的分析,指出在应用遗传算法求解优化问题时采用浮点数编码技术的必要性;并利用信息熵理论产生均匀分布的初始群体,使之既具有足够的多样性,又能加速搜索进程;与此同时将自然界中生物之间的有性繁殖规律引入模拟进化算法,提出由有性选择、联赛竞争选择和单纯概率选择相结合的组合选择算子,这种简单实用的组合选择策略能有效地调节进化过程中群体的选择压力,为维持群体的多样性提供保障;在杂交操作中,采用一种依据概率密度函数分布且适合于浮点数编码技术的杂交算子;充分利用混沌的动力学特征和人工神经网络理论,建立起适合于进化算法的混沌神经元模型,以群体的多样性作为混沌神经元的输入,相应的输出作为变异步长,从而构造出一种新的自适应混沌变异算子,通过混沌神经元的反馈作用直接控制和调节变异步长,可有效地避免和防止进化过程中出现的"早熟"现象,从而快速找到全局最优解;对约束条件的处理则采用不需要选择和设置惩罚因子的惩罚函数法,以此构造适应值函数用于指导群体的进化过程.进而在此基础上提出一种新的混沌进化算法(Chaotic Hybrid Evolutionary Algorithm,简称CHEA).第五章将CHEA算法引入大规模水电系统的短期经济运行问题中,建立了水电站群短期发电量最大优化问题的数学模型和CHEA求解方法.第六章将CHEA算法应用于非线性模型参数的辨识中,分别用于求解非线性回归模型参数的辨识和马斯京根(Muskingum)模型参数率定两类问题.同时,在分析灰色GM(1,1)模型缺陷的基础上,将CHEA算法引入灰色GM(1,1)模型中,对其加以改进,提出一种新的灰色进化预测方法,用以对电力系统的中长期负荷进行预测.