近年来随着电力工业的发展和国民经济结构的调整,开发和利用清洁能源、采用可再生能源成为未来电力行业发展的趋势。当前对水电能源的大力开发,特别是梯级水电站的建设,增强了电网稳定性,提高了系统抵抗干扰的能力。研究在火电系统中水电的优化配置有重要意义。　　机组组合问题是电力系统优化运行的一个重要方面,由于它能带来显著的经济效益,所以一直是现代电力系统每天运行计划主要的任务。从数学角度来说,机组组合问题是一个多约束、非线性和离散的组合优化问题,很难得到理论上的最优解。到目前为止仍不存在既能全面考虑各种约束,又能获得理想的运算速度和精度的实用算法。如何提高求解机组组合问题的精度和速度对电力系统的经济运行仍具有重要的意义。　　本文在总结已有成果的基础上,以电力系统中全天购电费用最小为数学模型,根据数学中的优化原理,针对粒子群算法存在的缺陷和不足,将免疫算法与基本粒子群算法相结合,提出了改进的免疫粒子群求解算法。针对基本粒子群算法进化前期所出现的易发散,精度低,迭代后期出现的收敛速度较慢等问题,本文提出了在算法中加入免疫算子随机变量来扩大局部搜索能力,进而提高粒子群算法前期的精度及后期的速度;对粒子群算法易陷入局部最优的问题,采取在基本粒子群算法基础上结合免疫算法的交叉、变异操作,对将要与当前最优位置重叠的个体引入交叉操作增加种群的多样性。使得算法在搜索空间上得到极大的改善,跳出局部最优点,从而得到满意的最优解。　　为了测试算法的性能,本文采用4个经典测试函数分别对粒子群算法和免疫粒子群算法的结果进行比较和分析,所得的数据表明改进的算法比粒子群算法具有更强的全局收敛性。并将改进的免疫粒子群算法应用到水火电优化中,计算中充分考虑了系统负荷平衡约束、水量平衡约束、机组的旋转备用约束等条件。通过与粒子群算法的结果比较,验证了提出的免疫粒子群算法速度和精度有所提高,并具有更好的全局收敛性。