在我国，经过几十年的水电能源开发建设，各大流域梯级水电站群逐步形成。水电能源的优化配置为国民经济快速可持续发展提供了可靠的电力保障。然而，梯级水电站调节性能各异，且水力、电力联系紧密，导致流域梯级电站水文、水力和电力补偿关系十分复杂。尤其是，受气象、环境、安全等多方面因素的影响，多重复杂约束条件下流域梯级水电站发电计划编制工作面临精细化建模与高效求解等方面的困难。因此，迫切需要研究新的理论与方法，以实现流域水电能源安全经济运行。为此，本文围绕流域梯级水电站优化模型求解过程存在的曲线拟合、发电计划编制与调度决策支持系统建设中的若干工程实际问题，开展相关研究工作，主要研究内容和成果如下。　　首先，围绕调度模型计算中涉及的电站泄流量尾水位曲线、机组NHQ曲线等基础数据的拟合问题，提出了基于BP神经网络模型的数据拟合方法，并针对传统单机计算模式在实现曲线拟合过程中出现的计算资源不足和拟合效率低等问题，通过引入MapReduce并行编程模型，提出了能够运行于多机集群中的分布式并行BP神经网络训练算法，实现集群环境下分布式并行求解计算。实例研究验证了所提解决方法的正确性和有效性。　　其次，针对水电站年度、月度发电计划编制问题，建立了以发电效益最大为目标的中长期优化调度模型，针对传统方法在模型求解中面临的“维数灾”问题，提出了一种改进变尺度混沌蜂群算法。该算法通过引入初始解混沌生成与邻域搜索尺度余弦收缩策略，使算法求解效率和局部细搜能力得到显著提高。将所提算法应用于梯级水电站长期发电计划编制实例研究中，结果表明，变尺度混沌蜂群算法能够有效解决水电能源系统的优化运行问题。　　然后，在中长期发电计划编制的的基础上，为进一步发挥水电站的调峰潜力，建立了以出力曲线峰谷差最大为目标的短期调峰发电计划模型，针对发电计划跟踪电网负荷导致的出力波动问题，提出了基于规则化出力分配的模型求解方法，实现模型高效求解。以溪洛渡-向家坝梯级水电站为实例研究对象，验证了上述模型及其求解算法的优越性和有效性。　　最后，围绕现有梯级水电站调度应用系统开发和集成过程中架构差异大、信息和计算资源孤立等问题，引入云计算技术，搭建了基于Hadoop的流域梯级水电站调度云计算平台结构体系，实现了高效、智能一体化管控平台设计。在此基础上，集成曲线拟合、发电计划编制等研究成果，初步实现了SAAS模式的调度应用系统开发，为建设流域全景式调度决策支持系统探索了一种新的技术途径。