电力工业是国民经济的重要基础。随着现代化工业和农业的不断发展以及人民生活水平的日益提高，社会对电力的需求量越来越大。为了满足日益增长的电力需求，必须不断扩大电力系统的规模，这就使电力系统面临日益繁重的规划任务。电力工业的发展不仅使一次能源的消耗和投资的需求巨大，而且还会对国民经济的其他部门产生巨大的影响。因此，对电力系统规划问题进行研究，以期大限度地提高电力系统规划的质量，具有重大的现实意义。

在集中体制下的电力系统最优规划可表述为：根据系统工程原理，利用现代优化技术和计算机技术，寻求各种约束条件的最佳方案，以满足系统发展的需要。电力系统规划分为发展规划和运行规划两部分。

电力系统运行规划依照其用途又可分为制定现有系统某一时期运行计划和模拟新建系统的运行情况两种。主要包括发电分配、检修计划、水库调度、燃料需求、受购电合同以及发电成本分析等。

电力系统优化规划的目标就是用长远的眼光来确定所有可行方案中对电力系统有利的方案，包括以下几个方面的内容：数学模型、算法原始数据以及相关的应用。

电力系统运行优化中，经济负荷分配或经济调度是重要的内容之一，它的主要任务就是在满足安全和一定质量要求的条件下尽可能提高运行的经济性，即合理地利用现有的能源和设备，以最小的运行成本保证对用户可靠而满意的供电。由于其所具有的显著的潜在经济效益，一直受到电力系统工程技术人员和学者的重视；同时由于电力系统本身的复杂性，它是一个难度相当大的系统优化问题，通常描述为一个非凸、非线性、离散、大规模的优化问题。

由此看来，除了建模上的困难外，电力系统经济负荷规划最终需要对复杂的系统进行优化计算。所计算的系统一般是大规模的非凸、非线性系统。常规的优化算法在求解的精确性和问题的可解性之间不得不进行某种折中。如：线性规划模型计算比较简单，解题规模可以较大。但是由于电力系统中很多问题并不是线性的，为了适应线性规划的要求，必须将其线性化，这将带来误差；处理不等式约束有一定的困难；对于大型问题，不容易确定初始可行基。非线性函数描述优化目标和约束条件更能反映问题的实质。但是非线性规划要求函数连续，有的算法还要求可导，而规划中的不连续变量，按连续函数计算后进行归整处理，会带来误差；非线性规划是对凸函数进行的，而规划的目标函数和约束条件并不是在任何条件下都是凸的；非线性规划算法所求结果一般都是局部最优解，而规划的对象投资巨大，全局最优与局部最优投资相差可能是巨大的。另一方面，由于规划问题本身的复杂性，我们不可能对优化函数的特性作全面的把握，因此希望通过合理设置初值的方法求得全局最优解是非常困难的。使用动态规划引入各种约束条件，可以考虑离散变量和随机因数，在理论上动态规划能真正获得最优整体方案，但是对于大规模问题会出现维数灾问题；容易出现后效问题。随着电力工业的发展，二十世纪八十年代以来，很多国家纷纷对电力工业的体制进行了改革。放松管制、引进竞争是这场改革的主题。当然，不同国家对电力工业体制进行改革的出发点和目的可能是不一样的。改革的主要出发点和目的包括增加竞争、简化管制、吸引私人或外国投资、降低电价、增加私有化和分散化的程度、减轻政府责任的负担等。总的来说，在发达国家（如北美和西欧）中引进竞争的基本原因是为了提高经济效率和运营效率。而对正处于快速发展阶段的发展中国家（如中国和印度），进行改革的典型原因则是要创造一个更公平的竞争平台以吸引私人投资、缓解政府在电力工业发展上的融资压力。在电力市场条件下，如何发挥电力系统规划的作用，设计合适的市场规则，引导合理的投资，使投资者分散优化的结果最大化社会效益，这将向电力系统规划提出新的课题。

由此可见，电力系统规划的困难主要存在于两个方面：首先就是对复杂的非凸、非线性规划问题缺乏有效的求解工具；其次是根据不同的电力工业模式，需要建立不同的求解模型。

电力系统的经济调度一直是受到国内外学者普遍关注的课题，机组的负荷优化分配和机组的优化组合，是电力系统经济调度的重要环节，这也是国内外一个非常令人感兴趣的研究课题，已有近60年的历史。由于负荷优化调度方法对提高发电企业的经济效益和改善机组系统安全运行有较大作用，因此，各国学者在这方面进行了大量的理论研究并提出了许多解决方案。

国外在这方面的研究较早，尤其在优化理论方面，提出了大量的算法，主要有等微增法，线性规划法，混合整数规划法，动态规划法等。近年来，随着计算机技术和优化理论的发展，一些学者又提出了将模拟退火算法，遗传算法，免疫算法，人工神经网络算法，蚁群算法，粒子群优化算法等智能优化算法应用到电力系统的经济负荷优化调度问题中。在实际系统开发方面，德国，美国等国家都有相对成熟的负荷经济优化系统软件。德国Siemens公司的负荷优化软件在德国Mannheim电厂、韩国Hadong电厂已经有相对成功的运行经验。

在一些发达国家中，机组负荷优化调度已有半个多世纪的研究历史了。特别是自上世纪80年代以来，电力系统的运行体制问题引起广泛的关注，世界各国纷纷开始建立电力市场改变电力企业垄断经营，来增强企业的竞争力。由于负荷优化调度方法对提高发电企业的经济效益和改善系统安全运行有很大的贡献，因此许多学者在这方面进行了理论研究并且提出了许多解决方案和大量的计算方法。T. Yalcinoz等人提出了一种新的Hopfield神经网络结构，来解决经济分配问题，像无约束问题。一种新的映射技术来解决二次的等式既不等式约束，边界条件被修正激活。这种方法经过3-240台不同大小的系统中进行实验，并把结果与传统的方法和改进的Hopfield NN方法进行比较。F. Li等人证明了遗传算法在对机组负荷分配搜索时与传统算法相比具有很强的鲁棒性。最初，遗传算法在遇到简单问题时并不具有优势，例如，在求解静态的经济分配时，但是当问题的数目变得日益增多和复杂时，遗传算法在计算的精确性上就逐渐超过了传统算法。结果显示，遗传算法应用在机组负荷分配上，其鲁棒性和适应性都很好，而且特别是对于复杂的目标函数，其结果比传统方法更加准确。Dong-Joon Shin等人提出遗传算法可以解决带有复杂边界约束条件的火电机组的负荷分配问题，改进了罚函数，同时可以较为精确的找到最优解，并在一个有十三台热力机组的系统中进行了测试和验证。Hosam K. Youssef等人讨论了在对机组进行经济调度时，由于机组的运行参数发生变化，考虑了对机组安全性的影响。在两个不同的系统中进行实验，结果表明，遗传算法在这方面有很好的应用前景。D. Bhagwan Das等人提出了一种新的采用实数编码，混合随机搜索的方法来解决火电厂的负荷分配问题。这种启发式算法将模拟退火法融入到遗传算法的选择环节。并通过计算验证，这种启发式算法比通常的遗传算法和模拟退火法的收敛速度要快，计算结果也很精确。