本文主要研究粒子群算法及其在互联电力系统控制中分散控制器的参数优化.首先,对粒子群算法(PSO)进行几点改进.虽然PSO收敛快,但是该算法具有运算早期精度较低,易发散等缺点,后期粒子趋向同一化,收敛速度变慢,同时算法收敛到一定精度时,无法继续优化,本文针对线性惯性权值法在迭代初期局部搜索能力较弱,即使初始粒子已接近于全局最优点,而在迭代后期,则因全局搜索能力变弱,而易陷入局部极值的特点,设计具有选择和变异功能的惯性权值进化方式,改善了线性惯性权值法的缺点.并采取了基于分布均匀度的初始化策略、粒子群协同优化、基于粒子位置和速度变异的改进策略,都在很大程度上减少了陷入局部极值的可能性,而动态改变粒子数目可以在不影响精度的前提下大幅度提高优化速度,节约计算时间.其次,对几种特殊结构的互联电力系统,提出了新的分解方法.再次,根据互联电力系统的模型及相关参数,使用相应的粒子群改进算法并应用于单区域和双区域互联电力系统控制器的参数优化,仿真结果表明优化后的控制器提高了系统对随机负载扰动的动态响应特性.最后是将粒子群算法与神经网络结合,设计了神经网络控制器并将其应用于互联电力系统负荷频率控制,使其具有自适应控制能力.