水轮机调节系统是一个典型的时变、非最小相位系统,而且也是一个参数随工况点改变而变化的非线性系统。常规的水轮机调节系统不能随工况点的动态变化过程自动整定PID控制参数,导致被控机组转速不稳定,从而使电网频率产生波动。为了解决上述问题,本课题深入研究了国内外水轮机调节系统的发展现状,以设计能够根据现场运行工况自整定的水轮机调节系统为研究主线,提出将神经网络逆系统、遗传算法等现代智能控制理论应用于水轮机调节系统,并对水轮机调节系统的建模仿真、参数分析等方面也进行了研究。本课题在分析水轮机调节系统原理的基础上,采用MATLAB中的Simulink模块建立水轮发电机系统各子系统的多种精度模块化模型,在此基础上分别构建水电机组非线性模型、线性化模型和经典理想模型。通过与现场运行数据相比较,研究了不同模型的适用范围,验证了仿真模型和算法的正确性,体现了模块化建模在水电站仿真计算中的优势。基于水轮发电机组刚性水击模型和神经网络逆系统控制方法,在分析励磁与导叶系统可逆性的基础上提出了一种新的水轮发电机组解耦控制器设计方法。理论分析和仿真结果表明该控制策略较好的解决了水轮发电机组控制时存在的多变量、非线性、强耦合问题;实现了系统的动态解耦控制,具有较好的适应性和鲁棒性,可有效增强输电系统的暂态稳定性。针对水轮机常规PID调速器不能根据系统的动态过程自动调整控制参数的缺点,提出一种新的基于现代智能控制技术的水轮机自适应工况PID调节方法。该方法根据水轮机模型综合特性曲线划分水轮机工况,采用一种改进遗传算法对水轮机的不同工况求取最优调节参数,利用神经网络做到运行工况与最优参数间的平滑切换。经过仿真表明,该控制方法具有良好的静态和动态性能,并具有很强的鲁棒性。