电力系统是一个结构复杂,具有强非线性、模型不确定性和时变性的典型高维动态大系统。变论域模糊控制器是模糊控制器的改进,它继承了模糊控制器的结构简单、鲁棒性强、无须控制对象精确数学模型等优点,克服了模糊控制器稳态控制精度不高、主观因数多等缺点。根据电力系统及变论域模糊控制器特点来看,变论域模糊控制器在电力系统控制对象上应用是可以值得尝试的。本论文围绕着变论域模糊的控制理论方法和复杂的电力系统对象相结合的研究主线展开,其主要内容如下:首先,本文简要的介绍了模糊控制器的数学本质,解释了引起模糊控制器调节粗糙的原因。为了克服模糊控制器调节粗糙缺点,一般可通过优化模糊规则或者隶属度函数论域达到。本文比较分析了优化模糊规则与隶属度函数论域的合理性。从而引出变论域模糊控制思想,并简单介绍了其控制原理。其次,本文在第三章给出了变论域模糊控制在AGC系统应用的实例。CPS考核水平的提高是以增加发电机控制指令的下发次数为代价的。如果AGC机组调节频繁,机组煤耗和机组磨损会显著增加,导致机组发电效益下降。为了在保证较高CPS的考核水平的同时减少发电机控制指令的下发次数,并且提高系统的鲁棒性,本文结合实际电网提出了一种能够在线调节PI控制器参数的AGC变论域模糊松弛控制方法。结果表明,即使电网结构参数发生变化或受到较大随机干扰时,被控系统仍具有快速的负荷适应性、良好抗扰动能力和很强的鲁棒性,且能在保证CPS考核合格率同时,明显减少了控制命令的下发次数与机组的反调次数。然后通过对变论域模糊电力系统应用研究中发现,变论域模糊控制器的控制函数被“复制”到后代中,往往存在着“失真”现象,这种现象的后果是造成算法本身的误差。针对这一问题,本文提出了一种基于Q学习算法的变论域模糊控制优化设计方法。本算法在变论域模糊控制算法基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想,且通过用Q学习算法来寻优参数使控制器性能指标最小,使其在控制过程中能够降低“失真率”,从而进一步提高控制器性能。最后,把算法运用于一个简单二阶系统。实验表明,该算法与变论域模糊控制器比较起来,其控制性能也更加提高。最后,针对水轮机调节系统具有时变、非最小相位特性,又是一个参数随工况改变而变化的非线性对象调节特点,依照第四章的理论方法设计了基于Q学习水轮机调节系统变论域模糊控制器。通过Q学习的在线调整论域,更简单使模糊控制器控制规则具备了在线寻优的能力,拥有了自学习能力,也实现了水轮机调节系统的自适应调整特性,更准确的反映了水轮机的动态变化过程。本论文的研究得到国家自然科学基金面上项目“CPS标准下AGC最优松弛控制及其马尔科夫决策过程(50807016)”、广东省自然科学基金项目“非马氏环境下随机最优发电控制及其半马氏决策过程(9151064101000049)”及其中央高校基本科研业务费专项资金“基于分层半马氏决策过程的智能电网负荷频率控制的自学习和自演化理论(NO.2009ZM0251)”的资助。