当前电力系统正朝着大容量、远距离、超高压方向发展，其特点是强非线性、高维数、分层分布、子系统之间相互耦合。由于系统中存在很多不确定性因素(如系统参数未知或系统中出现短路等容错问题)，对系统的性能要求越来越高，因此这给系统的控制提出了严峻的考验。 90年代，非线性技术飞跃发展，智能控制运用于电力系统的研究如雨后春笋。然而，最初的控制器设计主要是励磁控制器，基于单机系统模型线性化处理后的设计。事实上，励磁控制仅仅控制电机的磁场，进而改变发电机的同步力矩；而汽门控制可以直接控制系统的机械输出。发电机的汽门控制是提高电力系统稳定性的一种直接有效的方法。 本文结合多输入多输出的最新研究成果，运用自适应模型跟踪、神经网络RBF函数最佳逼近能力和收敛速度快等特点，提出了基于backstepping的汽门自适应神经控制律，解决了一类多机系统的容错控制问题。论文首先分析国内外电力系统的发展现状和控制方法的缺点，进而提出汽门自适应神经控制。在第二章介绍汽门控制的系统模型及研究历史，接着讲述神经网络基本知识，在第四部分进行系统汽门控制器的设计，得出多机系统一般控制规律，并以二机系统为例进行仿真验证此种方法的优越性，最后得出结论展望。 此种控制律具有不依赖于精确的数学模型等特点。解决了子系统之间解藕的困难，避免了模型线性化，保留了系统有用的非线性，实现多机分散协调控制，为多机电力系统汽门控制提供了一种有效的控制方法，大大改善了多机系统的稳定性和动态性能。