智能电网利用数字通信、信号处理、传感和控制等技术来提高电力系统的效率、可靠性和安全性,可再生能源的大量接入电网也为能源的可持续性做出贡献。与现代电网日益融合的高端信息技术成为了实时监控和控制系统等的基石,为提高电力系统的稳定性提供了新思路,但同时也成为网络安全和不确定性等新挑战的来源。这种新环境下的智能电网暂态稳定控制成为了众多学者的研究热点。本文结合智能电网中信息系统和电力系统深度融合,多种低惯性可再生能源电源接入电网的特征,以多智能体系统理论为基础,利用神经网络的方法,主要对智能电网的暂态稳定控制问题展开了研究。本文主要研究内容如下:针对现代智能电网中信息网和电力网深度融合背景下电网的暂态稳定控制变得更加复杂的问题,本文利用多智能体系统理论设计了智能电网的暂态稳定控制框架。然后在该框架下建立了智能电网相应的非线性多智能体动态模型,并提出了一种新的分布式控制器。该控制器利用基于径向基函数神经网络(radial basis function neural network,RBFNN)的方法来对电力系统中的非线性项进行逼近学习,并控制外部的分布式储能系统来提高智能电网的暂态稳定性。李雅普诺夫稳定性分析证明了在所提出的控制器作用下,系统最终能够稳定并实现自适应一致。最后,通过仿真实验验证了所提出的控制框架实现的可能性和分布式控制器的有效性。在多智能体的框架下,本文进一步针对电力系统中普遍存在的系统非线性,参数不确定性和外部干扰等问题进行研究,提出了一种新的基于径向基函数神经网络的分布式自适应控制器,解决在限制条件下控制器的性能问题,以提高多机电力系统的暂态稳定性。利用基于RBFNN的方法对系统中的未知非线性项和外部扰动进行补偿,设计了相应的自适参数估计方法,逼近未知非线性项的理想权值矩阵。分布式控制器通过通信网络接收相量测量单元(phasor measurement unit,PMU)测量的实时数据,并控制储能装置动作,使受到扰动后各发电机能够迅速实现频率同步。利用李雅普诺夫稳定性理论,证明了所提出的分布式控制方法的收敛性。最后,通过仿真研究验证了所提出的分布式控制方法的有效性和在限制条件下控制器的性能。