智能控制作为一门新兴学科，在短短30年间已得到了蓬勃的发展。虽然它的理论体系还需要不断完善和发展，但所表现出来的生命力已引起了各国专家学者的关注。由于日益严重的电网污染，有源电网调节装置(APLC)作为综合治理电网污染最有效的手段，日益引起重视。本文应用智能控制技术，解决有源电网调节装置在控制和优化规划方面的关键问题，既为APLC的实际应用提供有效的理论指导，又试图在智能控制技术的研究上寻求一些突破，因此本课题的研究具有重要的理论意义和实用价值。 本论文的主要内容如下： 由于APLC装置中电压源型逆变器电流控制是一个非线性控制过程，很适于用神经网络来实现，因此，本文提出一种基于ANN的有源电网调节器的控制方式。仿真研究表明，经过训练后的神经控制器可以为APLC输出合适的补偿电流开关控制信号，控制效果良好，而且具有良好的泛化能力。所提出的神经网络控制器用于APLC，不仅避免了对于给定补偿电流的复杂计算，且具有广泛的适应性，可应用于补偿单相、三相三线制和三相四线制非线性负载的APLC系统。所提出的用于控制APLC的神经网络经过离线训练后，还可以通过在线学习跟踪非线性负载电流的变化，即使需补偿的非线性负载电流中的谐波成分发生了较大的变化，仍能达到良好的补偿效果而无须再次进行离线学习。 在用于APLC的神经网络控制器的训练中，所应用的训练样本是利用进化计算获取的。通过对成双变异的独特设计，极大地提高了进化计算效率，所得到的开关位置与采用基于瞬时无功功率理论的常规控制所得到的开关位置相比，优化效果明显，则训练好的神经网络也能达到比常规控制更好的效果。 由于进化计算被看作是一种解决复杂系统的优化问题的理想方法，因此本文中，进化计算还被应用于解决有源电网调节装置在多谐波源网络中的最优规 浙江大毕博士学位论又划问题。APLC的优化规划包含APLC的位置优化及其输出最小化，这是一个复杂非线性多变量多约束规划问题。本文提出一种新颖的进化算法来解决此问题。首先给出了该问题的数学描述，把此问题归结为在己知网络谐波潮流模型条件下求满足约束条件时目标函数达到最小值时APLC的位置与输出。然后，根据生物进化原理，提出了一种自适应变异算子和包含自适应惩罚项的适应度函数，设计出一种新颖的自适应进化算法（AEA），并提出了一种利用 AEA的APLC在多谐波源网络中的优化配置的实用有效的方法。通过对单个APLC在多谐波源网络中的定位规划的详细分析，充分探讨了单个APLC的安装位置和容量对补偿效果的影响。在此基础上，在多个APLC问题中，提出了优选节点和敏感节点的概念，给出了一个实用的方法，降低了问题的复杂程度，提高了求解效率。 对APLC优化规划的仿真研究表明，所提出的AEA寻优效率高，鲁棒性强，可以迅速求得全局最优解。同时由于进化计算本身所具有的智能性和鲁棒性的特点，因而所提出的算法具有很强的通用性。当优化问题的目标函数、约束条件和对象模型发生变化时，都可以方便地进行扩展应用。