电力系统负荷频率控制(load frequency control,LFC)的主要目标是,保持系统频率在指定的误差范围内,以最低可能的成本提供足够的与之匹配的负载。电力系统由互联的大型发电机组组成,它们通常被定义为电力系统的控制区域。互联电力系统依赖自动发电控制以确保发电机的输出遵循电力负荷需求的变化。不间断供电、低运行成本是电力系统的重要指标。因此,在研究高电压传输的系统中,大型互联集中式能源发电,可再生能源发电对输电系统可靠性和安全操作的影响非常重要。本文以电力系统负荷频率为研究对象,设计了几种神经网络控制策略,主要包括基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制(LFC)方法和基于终端滑模模糊神经网络的多区域互联电力系统负荷频率控制(LFC)方法,具体如下:针对区域互联电力系统受到风电及负荷扰动后,系统频率不稳定问题,提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制(LFC)方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制,有效的解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统,构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势,进一步提高神经网络的辨识能力。仿真结果表明所设计的云神经网络自适应逆系统,不仅可以得到好的动态响应,还可以使风电及负荷扰动减小到最小。针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动问题,提出一种基于终端滑模模糊神经网络的多区域互联电力系统负荷频率控制(LFC)方法。将终端滑模模糊神经网络引入自适应逆系统,构建模糊神经网络辨识器,利用终端滑模在有限时间内可实现无静差跟踪的特点,进一步提高神经网络的辨识能力。仿真结果表明所设计的基于终端滑模模糊神经网络的自适应逆系统,不仅可以得到好的动态响应,还可以使风电及负荷扰动减小到最小。