同步发电机励磁控制系统是电力系统的重要组成部分之一,它能够起到减小电压波动、平衡无功功率分配、提高系统抗干扰、维护系统稳定运行等重要的作用。优良的励磁控制系统不仅可以提供合格的电能,保证发电机可靠运行,而且还可有效地提高系统的技术指标。因此,对励磁调节系统的优化研究在理论上具有非常重要的意义,在实际应用中具有较高的实用价值。本文在对发电机空载和单机无穷大系统的理论数学模型进行研究的基础上,首先建立了系统的状态方程组,并采用龙格库塔法对状态方程组进行差分化,使之在求解过程中更加精确,求解结果更加理想。所建立的单机无穷大系统状态方程及其解法,为励磁控制系统动态特性的仿真试验研究奠定了基础。针对传统PID励磁调节器存在的缺陷,本文提出了基于蚁群优化算法的励磁调节器的设计方法,蚁群优化算法具有分布式计算,可以有效地避免陷入局部最优等优点,对励磁调节器中的参数进行优化选择,可以很好地改善励磁调节器的性能,提高系统的运行稳定性。采用蚁群算法对参数进行优化后的励磁调节器,对于偏离设计运行点的工况,仍能表现出良好的动态调节性能,具有很强的鲁棒性。在实验过程中,因为电力系统的庞大和安全的重要性等问题,不能在实际系统中进行实验,而是采用仿真实验对励磁调节器等进行研究与设计。但在仿真实验中,对于单机无穷大系统中的发电机往往采用状态方程来替代真实发电机的运行状态,具有一定的近似性。针对这一问题,本文提出了一种基于神经网络技术的发电机模型辨识方法,利用神经网络的强制拟合,非线性处理等优点,设计了具有时序结构特征的神经网络模型来对真实发电机的动态运行过程进行辨识,从而达到在仿真实验中替代带有近似性的同步发电机状态方程,使仿真效果更加接近于系统的真实运行工况,所设计的励磁调节器在实际运行中具有更佳的控制效果,具有很高的实用价值。通过对发电机空载,单机无穷大系统的初扰,机械扰动,故障等情况的仿真实验表明,本文提出的基于蚁群算法的励磁调节器具有较强的鲁棒性和适应性,具有较好的动态品质。利用具有时序结构的神经网络模型对真实发电机的辨识效果良好,可以很好地模拟真实发电机的运行状态,从而可以广泛地应用到仿真实验中,具有一定的应用价值。