调度是确保电力系统正常运行的重要环节之一,是负荷侧能够可靠、不间断地获得高质量电能的保证,其在节约社会总成本和提高资源利用率中作用显著。随着社会生产和生活消费对电能依靠程度的提高,燃煤发电过程中所排放的污染物对环境造成了严重破坏,制约了可持续发展。因此,将调度重心转向同时考虑经济性和环保性的环境经济调度成为必要。利用多目标优化技术,为电力系统环境经济调度提供合理的调度控制方案,对保证资源高效利用,兼顾环境承载能力具有重要意义。针对环境经济调度问题,本文基于纵横交叉算法(CSO)的概念及特点,结合Pareto占优概念,将纵横交叉算法扩展到多目标优化领域,提出多目标纵横交叉算法(MOCSO).在算法模型中,通过CSO算法的双交叉机制,增强粒子穿越非可行区域的能力,使得生成的帕累托最优解落在可行区域内设,设计非支配择优策略选取非劣解储存于外部精英存档集合中,通过拥挤度维护机制对集合中的非劣解进行维护升级,最后采用模糊决策理论择出最优折中解,并给出了算法的具体步骤。随后,在电力系统优化调度理论基础上,建立同时考虑燃料费用及污染排放的静态环境经济调度模型,然后将模型由单时段的静态调度转向多时段的动态调度,建立考虑负荷随机性影响的动态多目标环境经济调度模型。给出MOCSO算法求解环境经济调度问题的流程,并针对IEEE 9、IEEE 30和IEEE 39节点标准电力系统的环境经济调度问题进行仿真分析。结果表明,系统状态得到了明显改善,降低了运行成本和网络损耗,提高了环保性与运行效率。对比其他算法,MOCSO算法得到了更加优越的调度方案。最后,结合分式规划法和Dinkelbach法的相关数学概念,提出一种基于非线性分式规划法的多目标优化方法。求解过程中,提出一种带非线性约束的双模型优化机制,其中模型Ⅰ为非线性分式规划函数,模型Ⅱ为燃料费用的二次函数。在求解环境经济调度优化问题中,模型Ⅰ的求解采用Dinkelbach算法将非线性分式规划函数转化为非分式规划函数,所求得的污染气体总排放量作为等式约束条件应用于模型Ⅱ,同时采用CSO算法对这两个模型进行优化。对IEEE 30节点标准电力系统的仿真结果表明：对比其他算法,该方法更加简单、稳定,且精确性高,易于操作,可在燃料高效利用的同时获得更小的污染气体排放量。