自动发电控制是电力系统最基本的控制环节,通过调整发电机组的有功出力来实现全网频率和联络线交换功率的动态稳定。然而,风电等间歇性电源渗透率的提升、电力市场的改革、电力电子技术的持续发展和能源政策的调整等变化因素将直接导致传统自动发电控制闭环的失效。在实际互联电力系统中,控制失效意味着同一区域内一次调频和二次调频之间、不同区域内二次调频之间无法实现有效的协调控制。从而导致发电机组产生反调现象,能源浪费严重。随着全世界范围内大规模兴建智能电网,迫切需要能适应强随机环境、实现多目标优化、多区域协调和考虑市场博弈的智能发电控制。智能发电控制在性能上将会比自动发电控制表现得更智能、更优化、更协调。本文首先介绍了自动发电控制的标准模型。在该模型中,智能发电控制分为最优控制和分配因子优化两个部分。结合工程实际,最优控制需采用与模型无关控制策略,而分配因子需采用快速智能算法以满足系统运行的实时性。由于发电公司追求利润最大化,用户追求用电成本最小化,这种完全竞争的市场导致各博弈方之间形成天然的纳什均衡。因此,本文提出了一种新颖的Nash-Q(λ)算法来形成虚拟的控制区域,并以此获得比传统控制方法更优的动作策略。算法中各博弈方的收益用效益Q矩阵来描述。纳什均衡用以决定发电公司与用户之间的实时功率供需合同,而资格迹λ用以重置各状态动作的信度分配。随后,针对纳什均衡容易陷入局部最优的问题,本文提出了利用多区域深度合作的相关均衡来解决。控制器通过对周边区域电网状态的采样来达到对其建立经验模型。根据此经验模型和本区域电网所处状态,提出了基于均衡因子的CEQ(λ)算法求解智能发电控制的最优策略,在多智能体平台JADE上详细设计了该算法的实现框架。针对发电指令分配问题,本文提出了利用基于相关均衡的MORL(λ)算法来求解。该算法可以根据电网实时状态来实现控制目标权重的动态调节,从而影响均衡策略。最后,为验证本文所提出智能算法能应用于实际电力系统,同时为了保证系统的实时稳定性,本文提出了基于变论域模糊的CEQ(λ)控制器。算法中变论域模糊用来大量减少Q矩阵的状态动作对,从而增加算法的控制精度和减少Q矩阵的预学习过程。此算法成功应用于实时数字仿真器RTDS平台之上。该RTDS平台位于南方电网科学研究院电力系统仿真处。结果表明,所提出算法能很好的应用于实际电力系统的智能发电控制。本文的研究受到了国家高技术研究发展计划(863计划,2012AA050209),国家自然科学基金项目(51177051,51477055),和香港理工大学研究基金(A-PL97,A-PD0K)的资助。