随着能源问题和环境问题日益突出，发展低碳经济、实现可持续发展，成为普遍共识。可再生能源具有清洁环保、可再生性等优点，日益成为人们研究的热点。其中，风力发电获得了世界各国广泛关注，并得到迅速发展。但随着风电行业的迅速发展，风电场规模逐渐增大，机组数量增多，风电场并网对电力系统的安全经济运行带来新的挑战。在调度周期内，风电场受出力范围、功率平衡等条件约束。对该调度进行优化，可减少风力机组的损耗，对整个电力系统运行和提高经济运行效益具有重要意义。　　本文在对当前风电机组组合优化的现状和相关技术进行分析和研究的基础上，根据风功率预测数据和电网的调度指令，将机组叶根部的疲劳损伤量最小作为优化目标，同时减小机组的随机启停次数，提出了一种基于改进粒子群算法的风电机组组合优化方案。在对该方案关键技术的研究过程中，重点分析了粒子群和遗传算法的运算机制及其不足，针对这些缺陷提出了一些改进：1）提出了利用粒子速度、个体最优、群体最优进行优化的离散粒子群算法；2）分析了粒子群算法和遗传算法的寻优特点，融合了两种算法的优势，提出了一种分层结构的PSO-GA混合算法：混合算法底层采用遗传算法提供全局搜索能力，上层由底层的最优个体组成精英群，再利用粒子群算法提供局部搜索能力，从而保证算法的收敛性和稳定性。　　为了验证改进算法的性能，对某风电场风力发电机组的组合问题进行优化计算。实验证明，本文提出的基于改进粒子群算法的调度方案在风电机组组合优化方面具有较高的可行性。通过混合算法优化，在满足电网限负荷调度的前提下，可得未来时段内的不同机组组合优化结果。该优化策略减少了机组在运行过程中的损伤量及启停次数，证明了所提出优化策略的可行性和有效性。