电力系统优化调度模型与算法研究
电力系统中调度模型的研究与优化
电力系统中调度模型的研究与优化一、前言在电力系统中，调度模型是保证电力稳定运行的关键因素之一。
调度模型决定了电力系统的运行策略和控制方案，使得系统能够在最佳的状态下运行。
随着电力系统的发展和科技的进步，调度模型正在不断地进行优化和改进，以适应不断增长的需求和新技术的应用。
本文将介绍电力系统中调度模型的研究与优化。
二、调度模型的概述电力系统的调度模型是指根据电网的实际运行状态和需求，制定出适合当前运行条件下的最优化调度方案和控制策略。
调度模型的功能主要包括：电力负荷预测、电力市场监管、电力价格制度、电力资源分配等。
调度模型是整个电力系统的核心，因为它能够有效地规划电力供应与需求之间的平衡。
调度模型可以分为以下几类：1.基于模拟仿真的调度模型：这种模型是基于电力系统数学模型进行仿真模拟分析，从而得出电力系统运行状态和特征参数以及其对电力系统的影响。
2.基于统计学的调度模型：这种模型是根据历史数据和趋势分析，运用概率统计等方法，预测未来电力需求和负荷变化。
3.基于优化算法的调度模型：这种模型是通过计算机算法和优化技术，制定出电力系统最佳的调度方案和控制策略。
三、调度模型的优化为了提高电力系统的运行效率和稳定性，调度模型需要不断地进行优化。
调度模型的优化主要包括以下几个方面：1.调度模型的精度：为了得到更加准确的预测结果和最优化的控制策略，调度模型需要不断地改进和完善。
2.调度模型的可靠性：调度模型的可靠性是指控制策略的可行性和有效性，需要通过仿真模拟和实地验证等方式进行检验。
3.调度模型的应用范围：为了适应不断增长的电力需求和新技术的应用，调度模型需要不断地扩展和完善其应用范围。
4.调度模型的实时性：为了能够满足电力系统实时运行的需要，调度模型需要能够快速响应和处理各种电力信息。
四、调度模型的案例研究为了更好地理解电力系统中调度模型的研究与优化，以下提供了一个电力系统调度模型的案例研究。
本研究以某市电力公司为例，利用基于统计学的调度模型和模拟仿真的调度模型，预测电力需求和负荷变化，并制定出合理的控制策略和电力市场价格制度。
电力系统经济调度优化的研究
电力系统经济调度优化的研究电力系统是现代工业社会运行的重要基础，其供应的稳定电能对于保障经济发展和社会稳定至关重要。
而电力系统的调度优化则是保障电网稳定运行和电能供应的重要环节之一。
本文将对电力系统经济调度优化进行研究，并探讨其在提高电力系统效率、降低成本等方面的应用和意义。
一、电力系统经济调度优化的意义电力系统的经济调度优化是指在保障电能供应的前提下，通过合理配置电力资源、优化能源调度策略，实现电力系统运行的高效和经济。
其具体意义如下：1. 提高电力系统的利用效率：经济调度优化能够合理配置电力资源，提高电力系统的利用效率。
通过科学合理地制定出力调度计划、优化发电机组组合，使得电力系统在满足供需平衡的条件下，最大程度地利用电力资源，提高发电效率，减少能源的浪费。
2. 降低发电成本：经济调度优化能够降低电力系统的发电成本。
通过动态调整发电机组的负荷分配、选择合适的电源组合等策略，减少系统运行中的能源消耗和成本支出，降低供电的成本，提高发电的经济效益。
3. 提高电力系统的稳定性和可靠性：经济调度优化能够提高电力系统的稳定性和可靠性。
通过调整发电机组的输出功率、优化能源供应策略，以及合理利用电力系统的调度储备等手段，保证系统在各种工况下的可靠供电，增强电力系统的稳定性。
二、电力系统经济调度优化的方法和技术在实际电力系统的调度过程中，通过合理的方法和技术对电力系统进行经济调度优化，从而实现电力系统的高效运行。
下面列举一些常见的方法和技术：1. 负荷预测技术：通过对电力系统中负荷特性的研究，建立负荷预测模型，预测未来一段时间内的负荷需求。
负荷预测的准确性将对经济调度优化起到关键作用。
2. 发电机组出力优化：基于负荷需求和发电机组特性，通过优化发电机组的出力，求解最优的出力调度方式，实现经济调度优化。
这一方法包括基于启发式算法、遗传算法等的发电机组调度策略。
3. 电力交易市场机制优化：通过建立电力市场交易机制和清算机制，引入竞争机制，实现供需的匹配和电力资源的优化配置。
电力系统中的多智能体协同优化调度技术研究
电力系统中的多智能体协同优化调度技术研究随着电力系统规模的不断扩大和电力需求的增长，电力系统的高效运行变得越发关键。
为了实现电力系统的可靠、经济和环保运行，一种新型的调度技术——多智能体协同优化调度技术应运而生。
多智能体协同优化调度技术是一种基于人工智能和协同优化算法的电力系统运行调度方法。
它采用多个智能体，每个智能体代表着一个电力系统中的设备、节点或运行状态，并利用智能体之间的协同合作来达到系统的整体最优效果。
与传统的中央调度方式相比，多智能体协同优化调度技术具有更高的灵活性、实时性和抗干扰能力。
多智能体协同优化调度技术的核心在于如何设计合适的智能体，并使它们能够有效地协同工作。
首先，需要明确每个智能体的角色和任务，并建立智能体之间的信息交流机制。
在电力系统中，可以将发电机组、输电线路、变电站等设备作为智能体，并通过各种通信手段实现信息的共享和传递。
其次，需要制定合理的协同优化算法，以实现不同智能体之间的协同工作。
常见的算法包括遗传算法、粒子群算法、模拟退火算法等。
这些算法可以针对不同的问题进行优化，如经济调度、环境调度、安全稳定调度等。
最后，还需要将人工智能技术引入到智能体的设计和决策过程中，以提高智能体的学习和适应能力。
多智能体协同优化调度技术在电力系统中具有广泛的应用前景。
首先，它可以优化电力系统的经济性。
通过智能体之间的协同合作，可以实现电力资源的高效配置，降低发电成本和能耗。
其次，它可以提高电力系统的可靠性和安全性。
通过智能体之间的信息交流和决策合作，可以及时发现和响应系统故障，保障电力系统的安全稳定运行。
再次，它可以减少电力系统对环境的影响。
通过智能体的协同优化调度，可以最大限度地利用可再生能源，降低碳排放和污染物排放。
然而，多智能体协同优化调度技术在实际应用中仍面临一些挑战和问题。
首先，智能体之间的信息交流和决策合作需要高效的通信和计算平台支持，这需要解决通信带宽和计算能力的问题。
电力系统的智能化调度与优化研究方法
电力系统的智能化调度与优化研究方法在当今社会，电力已经成为了人们生活和生产中不可或缺的重要能源。
随着电力需求的不断增长以及电力系统的日益复杂，传统的调度与优化方法已经难以满足现代电力系统的高效、可靠和经济运行要求。
因此，智能化调度与优化成为了电力系统领域的研究热点和发展方向。
电力系统的智能化调度与优化是一个综合性的课题，涉及到电力系统的多个方面，包括发电、输电、配电和用电等环节。
其目标是在满足各种约束条件的前提下，实现电力系统的安全稳定运行、提高能源利用效率、降低运行成本，并最大程度地满足用户的电力需求。
一、电力系统智能化调度与优化的重要性首先，智能化调度与优化有助于提高电力系统的可靠性和稳定性。
通过实时监测电力系统的运行状态，及时发现并处理潜在的故障和安全隐患，能够有效避免大规模停电事故的发生，保障电力供应的连续性和稳定性。
其次，它能够提高能源利用效率。
根据不同的负荷需求和能源供应情况，合理安排发电计划，优化能源的分配和利用，减少能源的浪费，促进可再生能源的消纳，对于应对能源短缺和环境问题具有重要意义。
再者，智能化调度与优化可以降低电力系统的运行成本。
通过优化电力设备的运行方式、减少不必要的损耗和维修成本，提高电力系统的经济效益。
二、智能化调度与优化的基础技术要实现电力系统的智能化调度与优化，离不开一系列基础技术的支持。
1、先进的监测与测量技术包括高精度的传感器、智能电表等设备，能够实时采集电力系统的各种运行参数，如电压、电流、功率等，为调度与优化提供准确的数据基础。
2、通信技术高速、可靠的通信网络是实现智能化调度的关键。
它能够将采集到的数据及时传输到控制中心，并将控制指令快速下达至各个电力设备。
3、大数据分析技术电力系统产生的海量数据需要通过大数据分析技术进行处理和挖掘，以提取有价值的信息，为调度决策提供支持。
4、优化算法如线性规划、非线性规划、智能优化算法等，用于求解复杂的调度与优化问题。
电力系统能源优化调度的模型建立与优化算法
电力系统能源优化调度的模型建立与优化算法随着经济的快速发展和人民生活水平的提高，电力需求也呈现出爆发式增长的态势。
为了满足社会各个领域对电力的需求，电力系统能源优化调度成为了一项关键的任务。
通过建立合适的模型和优化算法，能够有效地协调发电、输电、用电等环节，提高电力系统的运行效率和可靠性，降低能源消耗和环境污染。
电力系统能源优化调度的模型建立是该领域的核心任务之一。
在建立这一模型时，首先需要考虑的是电力系统的各个组成部分。
电力系统由多个发电厂、变电站、配电网以及各种负荷组成，每个组成部分都有其特定的属性和功能。
因此，建立一个准确的模型需要考虑这些因素的相互关系和制约条件。
首先，对于发电厂来说，模型建立需要考虑的关键因素是发电机的发电能力和燃料消耗。
发电能力是指发电机在一定时间内能够产生的电力量，而燃料消耗则是指发电机在工作过程中所消耗的燃料。
通过准确建立发电厂的发电能力和燃料消耗模型，可以更好地预测其产电量和耗能量，从而合理调度发电厂的运行。
其次，对于变电站和配电网来说，模型建立需要考虑的关键因素是电力传输的效率和功率损耗。
变电站和配电网负责将发电厂产生的电力输送到各个用户中，而在这个过程中会存在一定的功率损耗。
因此，建立合适的模型需要考虑电力传输中的线损、传输效率以及节点电压的稳定性等因素，以确保电力能够高效、稳定地传输到终端用户。
最后，对于用户负荷来说，模型建立需要考虑的关键因素是电力需求量和负荷特性。
电力需求量是指用户在一定时间内对电力的需求量，而负荷特性则是指用户的负荷分布、负荷波动以及负荷的灵活性等因素。
通过准确建立用户的电力需求量和负荷特性模型，可以更好地预测用户的用电量，为电力系统的调度提供准确的基础。
在进行电力系统能源优化调度的模型建立后，下一步是根据建立的模型设计相应的优化算法。
优化算法的目标是在满足电力系统的能供需平衡、电压稳定等基本条件的前提下，尽可能减少能源消耗和环境污染。
电力系统安全稳定运行的计算模型与算法研究
电力系统安全稳定运行的计算模型与算法研究一、引言电力系统作为现代社会中至关重要的基础设施之一，其安全稳定的运行对于国家经济的发展和社会的稳定起着至关重要的作用。
近年来，随着电力系统规模的不断扩大和电力负荷的逐渐增加，电力系统的安全稳定运行问题变得愈发复杂和严峻。
为了预测和避免可能发生的电力系统事故，并保持电力系统的稳定运行，研究人员不断探索电力系统安全稳定运行的计算模型和算法。
二、电力系统安全稳定运行的意义电力系统安全稳定运行对于保障电力供应的连续性和可靠性至关重要。
一旦发生电力系统事故或出现电力系统不稳定现象，将导致大面积停电，对国民经济和社会生活带来重大影响。
因此，研究电力系统安全稳定运行的计算模型和算法，可以帮助实时监测电力系统健康状况，提前判断潜在隐患，采取相应措施以确保电力系统安全稳定运行。
三、电力系统安全稳定运行的计算模型1. 电力系统稳定性评估模型电力系统稳定性评估模型的作用是分析电力系统中存在的潜在问题，预测电力系统在不同负荷条件下的稳定性情况。
这些模型通常基于电力系统的动态方程和稳定性准则，使用数学方法描述电力系统的运行状态，并进行稳定性评估。
常用的电力系统稳定性评估模型包括传统的动态等值方法模型、蒙特卡罗方法模型以及基于概率统计的模型等。
2. 电力系统故障诊断模型电力系统故障诊断模型是为了处理电力系统故障时，能够及时准确地定位故障点和诊断故障原因的模型。
这些模型可以根据电力系统的运行数据和故障信息，通过数据处理和故障特征分析等方法，辅助运维人员进行故障诊断和故障处理。
常见的电力系统故障诊断模型包括基于机器学习的模型、基于故障树分析的模型以及基于故障经验的模型等。
四、电力系统安全稳定运行的算法研究1. 电力系统状态估计算法电力系统状态估计算法是为了根据电力系统的观测数据和模型，估计系统的未知参数和状态变量的算法。
通过状态估计，可以实现对电力系统各个元件的状态、电力负荷以及电力质量等进行准确估计，为系统运行和调控提供重要参考依据。
电力系统中的能量优化与调度算法研究
电力系统中的能量优化与调度算法研究随着社会经济的发展和人民生活水平的提高，电力需求也越来越大。
为了保障电力系统的稳定运行和满足不断增长的电力需求，能源的优化与调度成为了一个重要的研究方向。
本文将就电力系统中的能量优化与调度算法展开研究，探讨其原理与应用。
1. 能量优化的原理能量优化是指通过合理配置电力系统中的能源资源，实现能量的最优利用。
这包括了如何确定发电机的运行策略、如何合理规划输电线路以及如何调度储能设备等问题。
通过合理的能量优化，可以实现电力系统的高效运行，提高能源的利用率，减少能源浪费。
2. 能量优化的目标能量优化的目标主要包括两个方面：一是降低电力系统的能耗，减少能源消耗，提高能源利用效率；二是降低电力系统的运行成本，包括燃料成本、输电成本以及设备维护成本等。
通过实现这两个目标，可以提高电力系统的经济效益，实现可持续发展。
3. 能量优化的方法能量优化的方法主要包括以下几种：一是基于模型的方法，通过建立电力系统的数学模型，采用优化算法求解最优解；二是基于仿真的方法，通过对电力系统进行仿真实验，通过分析实验结果来实现优化；三是基于数据驱动的方法，通过对大量历史数据进行分析，找出规律并做出相应的调整。
4. 能量调度的原理能量调度是指根据电力系统的负荷需求，合理调度各种能源资源的生成与消耗，以保证电力系统的稳定运行。
能量调度需要考虑负荷和能源之间的平衡关系，根据实时的负荷需求，灵活调整发电机的出力以及储能设备的充放电状态，实现供需的平衡。
5. 能量调度的目标能量调度的目标主要包括以下几个方面：一是保障电力系统的供电可靠性，保证用户的用电需求得到满足；二是提高电力系统的响应速度，减少负荷波动对电力系统的影响；三是提高电力系统的供电能力，以应对未来的负荷增长；四是提高电力系统的运行效率，减少能源的浪费。
6. 能量调度的方法能量调度的方法主要包括两种：一是基于规则的调度方法，通过预先制定的调度规则，按照一定的顺序和策略进行能量调度；二是基于优化算法的调度方法，通过建立电力系统的数学模型，采用优化算法求解最优解，实现能量的最优调度。
电力系统调度优化模型研究
电力系统调度优化模型研究电力系统是现代工业和生活的重要基础设施，其调度优化对于保障电力供应的稳定性和经济性具有重要意义。
因此，电力系统调度优化模型的研究成为了电力行业的热点和难点问题之一。
本文将从电力系统调度优化模型的定义、特点及其研究方法等方面进行探讨。
电力系统调度优化模型是指利用数学和计算机等方法，以最小化系统运行成本或在满足约束条件下实现系统运行目标为目的，对电力系统进行运行调度的数学模型。
其主要特点包括时序性、非线性、多目标性和多约束性等。
首先，电力系统调度模型具有时序性。
电力系统是一个连续不断的过程，需要对不同时间段内的电力需求进行合理分配。
因此，调度模型需要考虑到电力系统的运行规律，对不同时间段内电力需求和发电能力进行合理安排。
其次，电力系统调度模型具有非线性特点。
电力系统中存在许多非线性元素，如发电机的功率特性、线路的输电能力和变电站的运行状态等。
因此，调度模型必须考虑这些非线性元素的影响，并采用相应的数学和计算机方法来解决。
再次，电力系统调度模型是多目标性的。
电力系统的运行需要满足多个目标，如降低成本、提高可靠性和保障供电等。
因此，调度模型需要考虑多个指标，并权衡不同目标之间的矛盾和平衡，以实现最优的调度策略。
最后，电力系统调度模型是多约束性的。
在电力系统的运行中，存在一系列物理约束条件，如电力负荷需求、输电能力、发电机容量和供电可靠性等。
调度模型需要考虑这些约束条件，并通过数学建模和算法设计来保证系统的安全和稳定运行。
在电力系统调度优化模型的研究方面，主要有以下几个方法：基于经济调度、基于物理调度、基于优化算法和基于人工智能等。
基于经济调度的研究方法，主要侧重于降低电力系统运行成本。
该方法通常将电力市场的经济因素和电力系统的运行约束相结合，以实现最小化总成本的目标。
其中，线性规划模型和整数规划模型是常用的数学建模方法。
基于物理调度的研究方法，主要关注电力系统的物理运行特性。
该方法通常以优化发电机的出力和网架节点的电压等物理量为目标，以满足电力负荷需求和保证电力系统安全运行为前提。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
作者姓名：翟桥柱论文题目：电力系统优化调度模型与算法研究作者简介：翟桥柱，男，1972年6月出生，1999年9月师从于西安交通大学系统工程研究所管晓宏教授，于2005年12月获博士学位。
中文摘要电力系统优化调度是有巨大潜在经济效益的一类优化问题。
它的主要目标是在确保电力正常供应的前提下合理利用发电资源，减少能源消耗和环境污染，降低发电总成本，提高发电厂在电力市场中的竞争力。
随着主要发电用燃料——煤、石油和天然气等资源的日渐消耗和世界范围内电力市场化改革的推进，如何进一步提高电力系统优化调度水平成为迫切需要研究的一个课题。
Lagrange松弛法是目前公认的求解电力系统优化调度问题最有效的方法之一。
本文主要研究了Lagrange松弛法框架下一些多年遗留问题以及电力市场环境下与调度有关的一些新问题。
具体包括以下几个方面：对电力系统优化调度问题进行了概述，特别分析了电力市场环境下对调度问题的新要求，介绍了我国电力系统优化调度现状。
Lagrange松弛框架下的同构振荡是一个多年未获解决的难题，同构振荡是指在松弛法框架下，乘子每次修正后，相同机组对应的子问题的解始终保持同步变化。
虽然从对偶问题角度看，同构振荡是自然的，但由于受系统负载需求的制约，在可行解和最优解中相同机组的开关状态及生产情况一般不同，所以同构振荡会使构造可行解变得异常困难。
本文通过分析同构振荡产生的根源，指出只有通过合理的途径将对偶优化中的相同子问题化为不同才能从根本上消除同构振荡。
由于正是系统负载需求约束导致相同机组的解可能不同，所以本文提出采用增广Lagrange函数引入对负载需求约束的惩罚项，且在解子问题时提出了序贯求解算法以克服可分性被破坏后给求解带来的困难，理论分析和实例测试均表明这是一种能彻底克服同构振荡的有效算法，同时这种方法还可以解决相同机组市场竞标中的公平性问题。
(参见：Qiaozhu Zhai, Xiaohong Guan, Jian Cui. Unit Commitment with Identical Units: Successive Subproblems Solving Method Based on Lagrangian Relaxation [J]. IEEE Transactions on Power Systems, Vol.17, No. 4, pp.1250-1257. 2002. X.H. Guan, Q.Z. Zhai, F. Lai. New Lagrangian Relaxation Based Algorithm for Resource Scheduling with Homogeneous Subproblems[J]. Journal of Optimization Theory and Applications, Vol. 113, No.1, pp.65-82, 2002.)电力系统优化调度中机组的爬升约束会给求解带来极大困难，引起困难的根本原因在于离散量与连续量的密切耦合，本文通过深入分析提出了一种新的状态定义及阶段划分方法，基于新的状态定义实现了离散量与连续量的解耦，以此为基础设计了一种双动态规划算法，在低层用连续动态规划求解最优的连续决策，在高层用离散动态规划求解最优的离散决策，其中离散决策费用与低层的最优连续决策有关。
双动态规划法可以迅速获得具有爬升约束机组子问题的最优解，理论分析及数值计算均表明了算法的有效性，从而彻底改变了长期以来该问题难以有效求解的局面，解决了遗留多年的又一个难题。
(参见：翟桥柱，管晓宏，郭燕，孙岚. 具有混合动态约束的生产系统优化调度新算法[J].自动化学报，Vol. 30, No. 4, pp.539-546, July 2004. Wei,Fan, Xiaohong Guan, Qiaozhu Zhai. A New Method for Unit Commitment with Ramping Constraints[J]. Electric Power Systems Research, Vol.62, pp.215-224, 2002.)目前文献中广泛采用的机组煤耗曲线是凸二次曲线，然而实际的煤耗曲线是非常复杂的非凸函数，凸二次曲线仅是一种近似。
本文提出的子问题求解算法可以处理更为精确的非凸煤耗特征，理论分析和实例测试验证了相关方法的有效性，从而在模型的精确性和解的性能两方面均取得了重要突破，新方法在日益重视节能降耗和环保指标的电力市场环境下具有重要意义。
(参见：Qiaozhu Zhai, Xiaohong Guan, Feng Gao. Production Scheduling with Hybrid Dynamics and Constraints[C]. 43rd IEEE Conference on Decision and Control, December 2004, Atlantis, Paradise Island, Bahamas, 0476-THA01.6, 2004.)本文深入分析、总结了各种不同的水电调度模型。
在Lagrange松弛框架下，不考虑水头影响时针对独立水系子问题建立了一个线性混合整数规划模型，考虑水头影响时，证明了水电转换关系可用一个三元非线性函数表示，接着研究了如何在线性混合整数规划模型中考虑非线性水电转换关系的问题，通过适当的数学变换再次得到一个线性混合整数规划模型。
有关结果对于提高模型精度有重要意义。
Lagrange松弛框架下最后一步是基于对偶解构造可行解。
本文明确提出了构造可行解的两阶段思想，同时提出了离散可行解的重要概念。
离散可行解本身不是可行解，但仅需调整其中部分连续变量的取值即可得到可行解。
文中提出并证明了一个解成为离散可行解的充分必要条件，利用该条件将获得离散可行解的问题转化为求解一个纯整数规划，通常该整数规划问题极易求解。
以上工作使得构造可行解不再无章可循而是一个系统化的过程。
(参见：Xiaohong Guan, Sangang Guo, and Qiaozhu Zhai. The Conditions for Obtaining Feasible Solutions to Security-Constrained Unit Commitment Problems [J]. IEEE Transactions on Power Systems, Vol.20, No. 4, pp.1746-1756. 2005. 吴磊，翟桥柱，管晓宏. 发电经济调度可行解判据及其求解方法[J]. 电网技术，Vol.28, No.1, pp. 1-4, 2004.)长期以来，求解电力系统优化调度的Lagrange松弛框架下一些重要概念如对偶间隙、乘子意义等常被曲解，本文首次给出了一个具有正对偶间隙的调度例子，同时深入分析了乘子的经济意义，相关结论指出有些长期流传的解释需要纠正。
针对按统一边际价格结算的电力市场，提出并证明了关于最优竞标策略的基本定理，该定理明确指出了调度与竞标的重要关系。
基于文中提出的所有方法，已开发出一套调度软件系统，该系统目前已在国内一些电厂中得到初步应用。
关键词：电力系统优化调度；机组组合；经济分配；混合整数规划；Lagrange 松弛法；电力市场Research on the Model and Algorithms for Hydrothermal SchedulingZhai QiaozhuABSTRACTHydrothermal scheduling (HTS) is a class of optimization problems with significant potential benefits. Definitely considering the stability of power supply, the goal of HTS is to optimize the allocation of power generation resources, to minimize the environment pollution and the consumption of fuel, and to minimize the generation cost which is very important to generation corporations in the deregulated electric power market. With the shortage of coal, petroleum, natural gas and with advances in the reform of electric power market, it has been an urgent research topic to adopt some more accurate models and more efficient algorithms for HTS.Lagrangian Relaxation (LR) is one of the most successful algorithms for HTS. In this paper, some difficult problems in the LR framework are studied, for which few effective methods were proposed in the past. Some important new problems in the deregulated electric power market are also discussed. These problems include:A brief introduction to HTS and a summary of the current algorithms are presented. Especially, new demands for the model and algorithms for HTS in the deregulated electric power market and the state of art of HTS in china are analyzed.When the Lagrangian relaxation based methods are applied to solve power system unit commitment, the identical solutions to the subproblems associated with identical units may cause the dual solution to be far away from the optimal solution and serious solution oscillations. As a result, the quality of the feasible solution obtained may be very unsatisfactory. This issue has been long recognized as an inherent disadvantage of Lagrangian relaxation based methods. In this paper, the homogeneous solution issue is identified and analyzed through a simple example. Based on this analysis, a successive subproblem solving method is developed. The new method combines the concepts of augmented Lagrangian relaxation and surrogate subgradient to produce a good search direction at the high level. The low level subproblems including those corresponding to the identical units are solved successively so that the commitments of the identical units may not be homogeneous in the dual solution. Compared with the standard Lagrangian relaxation method, the new method can obtain better dual solutions and avoid the solution oscillations. Numerical testing shows the new method is efficient and the quality of the feasible solution is greatly improved. (Qiaozhu Zhai, Xiaohong Guan, Jian Cui. Unit Commitment with Identical Units: Successive Subproblems Solving Method Based on Lagrangian Relaxation [J]. IEEE Transactions on Power Systems, Vol.17, No. 4, pp.1250-1257. 2002. X.H. Guan, Q.Z. Zhai, F. Lai. New Lagrangian Relaxation Based Algorithm for Resource Scheduling with Homogeneous Subproblems[J]. Journal of Optimization Theory and Applications, Vol. 113, No.1, pp.65-82, 2002.)Ramp-rate constraints make the problem very complex and there are only different kinds of approximation approaches to handle the constraints up to present. A double-level dynamic programming algorithm is presented in this paper to solve the subproblem with ramp-rate constraints. It is based on a novel formulation of the discrete states so that the problem isdecomposed into solving continuous and discrete problems separately. By employing the features of piecewise linear functions, break points of cost-to-go are mapped across time, and the production levels of a consecutive running span are determined efficiently by dynamic programming without discretization. Dynamic programming is also applied to determine the optimal discrete operating states across time. The new method can not only find the exact global optimal solution with much less computation efforts, but also requires no convex hypothesis on the fuel cost characteristics of thermal units. The complexity analysis and numerical testing results of the new method show the method is very efficient and effective. Since the demand for high quality solution becomes more urgent in the deregulated electric power market, the new method will doubtless be adopted quickly and universally. (Wei,Fan, Xiaohong Guan, Qiaozhu Zhai. A New Method for Unit Commitment with Ramping Constraints[J]. Electric Power Systems Research, Vol.62, pp.215-224, 2002. Qiaozhu Zhai, Xiaohong Guan, Feng Gao. Production Scheduling with Hybrid Dynamics and Constraints[C]. 43rd IEEE Conference on Decision and Control, December 2004, Atlantis, Paradise Island, Bahamas, 0476-THA01.6, 2004. )Different models for hydro power plants scheduling are summarized. Under the framework of LR, a mixed integer linear programming formulation is founded without considering the head-dependant power energy production. Then, the head-dependant power energy production is studied in a mixed integer linear programming formulation. It is proved that the head-dependant power energy output can be treated as a nonlinear function of three independent variables. Some transformations are introduced and once again a mixed integer linear programming formulation is set up. The result model is therefore more accurate than all the models adopted heretofore.The final step in LR framework is to construct a feasible solution based on the dual solution.A Two-Step scheme is devised for this purpose. An important definition of Discrete-Feasible-Solution is introduced. A Discrete-Feasible-Solution is usually not a feasible solution but a feasible solution can be obtained by simply adjusting the continuous variables in the Discrete-Feasible-Solution. The necessary and sufficient condition for a solution to be Discrete-Feasible is given. A simple integer programming problem is set up in order to obtain a Discrete-Feasible-Solution. The above work combined together results in a systematic procedure for constructing feasible solution. (Xiaohong Guan, Sangang Guo, and Qiaozhu Zhai. The Conditions for Obtaining Feasible Solutions to Security-Constrained Unit Commitment Problems [J]. IEEE Transactions on Power Systems, Vol.20, No. 4, pp.1746-1756. 2005.)Several important concepts in LR framework such as duality gap, interpretation of the multipliers are clarified which were often ambiguous in the literature. An example with positive duality gap is given in this paper and the interpretation of the multipliers is also discussed.A software package based on the methods presented in this paper for power systems scheduling is also completed. Some native power generation corporations have used the system. Key words: Hydrothermal scheduling; Unit Commitment; Economic Dispatch; Mixed Integer Programming; Lagrangian Relaxation; Deregulated Electric Power Market。