随着我国新型清洁能源产业的发展,大量风能、太阳能发电站接入电网,而风能、太阳能具有波动性、间歇性、随机性强等特点,给电网接纳风能、太阳能带来了很大的困难。如何有效的平抑风能、太阳能的波动,降低新能源对电网的影响,受到很多学者的关注。含热功能的光热电站以其较高的能量利用率,高效的能量储存功能,给新能源并网问题提供了新的解决办法。但光热电站存在复杂的能量转换,这给建模、优化调度带来了一定的困难。因此,如何以合理的策略进行调度,以及如何寻找复杂模型的求解方法都是迫切需要处理的问题。本文首先介绍了联合发电系统的构成以及各部分的基本原理,分析了光热电站的储能力在联合系统中的作用。分析了风电场、光热电站的功率特性、实际出力以及和负荷变化之间的关联,针对光热电站特别介绍了其储能系统以及储能模型。最终,总结了联合发电系统的目标函数以及各种约束条件,建立了风、光热、水电多能联合发电系统调度模型。为了求解上述建立的具有约束条件的单目标优化问题,本文针对粒子群算法易于早熟,容易被困在局部最优点的缺点,改进了动态调整学习因子和惯性权重的含驻留粒子的粒子群算法(CCRPSO)。通过罚函数法将约束条件融入目标函数,将其转化为无约束的优化问题,并给出了算法流程。为了验证本文建立的模型以及改进算法算法的可行性,在MATLAB软件平台对所建立的模型进行仿真验证,并从加入和未加入光热电站的联合系统各部分出力情况、算法改进前后的收敛速度以及联合发电系统调度的经济效益三方面进行比较分析,结果表明:本文提出的风、光热、水电力系统联合调度策略能够有效的提高联合系统的经济效益;本文改进的动态调整参数的含驻留粒子的粒子群算法可以显著提升算法的收敛速度和精度。