电力系统是一个非线性、时变、高维的系统，如何进行有效的控制，以保证其更加安全稳定运行，一直是众多学者研究的课题，而且随着电力系统规模的不断扩大，以及随机性较强的新能源的接入，电力系统的安全稳定性面临的挑战越来越严峻。常规的最优控制方法存在一定的局限性，如变分法只能解决控制量不受约束的最优问题，极大/极小值原理只能解决常微分方程描述的最优控制问题，动态规划虽然能够解决比常微分方程所描述的更具有一般性的最优控制问题，但由于其是时间向后的算法，存在维数灾的问题。自适应动态规划（Adaptive Dynamic Programming, ADP）是人工智能和控制技术融合的产物，其实质是利用神经网络的函数近似结构来近似哈密顿-雅可比-贝尔曼方程的解。该方法可以不依赖被控对象的数学模型，也可以不需要精确定义性能指标，而且能够在线学习，将这种方法引入到电力系统中，能够为电力系统的非线性最优控制提供一种新思路。本文首先介绍了ADP的发展历程，并将国内外文献中有关ADP在电力系统中应用的研究进行了总结归类。然后介绍了ADP的理论来源、分类、优点、参数选择方法和归一化方法。接着推导出了单机无穷大系统的三阶状态方程，介绍了ADHDP算法的原理和PSO寻优PID参数的原理，将ADHDP应用于同步发电机的励磁控制，并与PSO寻优的PID励磁控制进行了比较，以验证其控制的有效性。最后介绍了STATCOM的数学模型和控制策略，以及GrHDP算法的原理，将GrHDP应用于STATCOM的电压无功控制，并与MATLAB中可自动调节PID参数的PID控制进行了比较，以校核其控制效果。