近年来,随着5G时代的来临,电力系统进入到了物联网时代。伴随着电力物联网规模的不断扩大,运行环境愈发复杂多变,暂态稳定性的问题也变得愈发严重。电力系统在运行期间,时常会因为某些部位发生短路而引发相关的故障,使整个系统进入到暂态运行状态,相关参数在受到干扰的情况下也会发生显著改变,进而会给系统形成较为显著的危害。所以积极探索对暂态稳定情况进行有效调控且可靠性较强的控制技术是非常有必要的,能够提升电网整体的安全性。因此如何快速准确的预测电力系统的变化趋势尤为重要。本文先对国内外当前电力系统暂态稳定控制技术开展探究的相关情况进行了阐述,并对这些探究给电力系统带来的影响、具备的意义等做了介绍,最后对本文内容做了概述。文中针对模型预测控制基本理论做了详细的阐释,并简要的对控制的整个流程做了介绍,接着介绍了李亚普洛夫的稳定性理论和确定学习的理论,确定学习理论指能够以较快速度对未知系统内所包含周期或类周期性轨迹实现有效逼近的一种理论。本次以这些原理及理论为基础,提出了在对电力系统模型进行控制时能够运用的两种方法。本次探究开展的主要工作包括:第一点是基于模型预测的电力系统暂态控制研究。先基于传统电力系统的相关情况设立相应模型,采用模型预测控制中控制性能最优的状态空间模型,由于电力系统是非线性系统,引入非线性动态项来保证模型的精确,同时引入系统的预测模型与电力系统实际模型的误差修正项和非线性动态项相结合的方法参与系统滚动优化,来对预测控制进行补偿,达到对暂态扰动的抑制作用,然后设计预测控制策略对电力系统暂态稳定进行控制。最后开展了相关的仿真实验,对本次所提出策略的有效性进行验证。第二点是基于模型预测和确定学习的预测控制策略研究。首先针对非线性电力系统模型的未知动态项,根据实际需要对第二章中基本知识加以利用,在系统出现故障的情况下,基于径向基神经网络的局部逼近特性,实现对未知动态项的逼近学习,构建了确定学习系统辨识模型。然后将将未知的外界扰动和未知的系统动态参数作为系统的外部干扰量,基于径向基神经网络对电力系统中出现的外部干扰进行逼近学习得到一个恒定的常值神经网络,将常值神经网络和系统的预测模型与电力系统实际模型的误差修正项结合参与模型预测控制的滚动优化,之后完成了对确定学习与模型预测控制相结合的控制器设计,并通过其实现对系统整体暂态稳定的有效调控。最后在两机无穷大电力系统进行的仿真实验对比验证了该控制器的优越性。