随着水电装机容量的日益扩大化，水电站安全与稳定运行成为工程技术人员首要关注的问题。水电站的安全与稳定在很大程度上取决于水电站控制系统的先进性，目前在水电站控制系统中普遍采用常规PID控制算法，虽然这种算法实现简单，鲁棒性较好，但对于工况变化较频繁的过程控制效果并不佳，这可能导致被控机组的转速偏差较大从而对电网频率的稳定产生冲击。本文在深入研究了水电机组控制系统发展状况后，结合目前被广泛研究的智能控制理论，将智能控制理论中的模糊控制、神经网络控制理论等应用于水电机组控制系统中，并利用先进的MATLAB仿真软件对所提出的控制策略、方法进行了仿真分析。针对水电机组系统自身的复杂性、非线性性以及非最小相位等特性，结合NNARX（非线性自回归神经网络）具有记忆功能，非常适用于时变系统的辨识的特点，本文利用NNARX动态神经网络对水电机组系统进行整体辨识，并就NNARX神经网络中神经元个数的选择和提高泛化性能两点上提出了改进的L-M算法，理论分析和仿真结果表明了该网络辨识精度高，泛化性能良好。针对传统的模型预测控制(MPC)必须详细明确系统数学模型表达式，但水电机组的精确数学模型不容易确定的特点，本文在NNARX动态网络模型的基础上设计了神经网络预测控制器，通过对控制器不同参数的仿真说明各参数对控制性能的影响。仿真结果表明预测控制器参数的选择对控制器性能的影响是很大的，并且此控制器的性能优于PID控制器。接着本文利用静态神经网络与PID的融合设计了BP-PID和RBF-PID控制器，对两类控制器的控制算法进行了详细分析并给出仿真结果，结果表明了这两类控制器控制效果均优于传统PID控制，并指出导致这两种控制算法的不同的根本原因是这两类网络特性的差异。针对水电机组种类繁多，测试大量的数据存在困难、失真等问题，而这可能会导致以数据为基础的神经网络的训练困难，故本文最后研究了一种不基于模型的控制方法，模糊控制。在分析了传统模糊控制的三个缺点的基础上提出了改进的模糊-PI融合控制，并对该控制器的数学本质进行了推导，结果说明它相当于一个变结构的PID控制器，最后的仿真效果也证实了该控制器相比传统的PID控制具有更好的适应性与鲁棒性。