长期以来，控制理论的研究主要集中在各种控制策略的研究上，而有关运行中的控制系统性能评价的研究却很少。而且人们也普遍认识到，控制系统若没有定期的维护，它的性能会随着时间推移而逐渐退化。性能不好的控制器会降低控制系统的有效性，从而导致产品质量的降低或者操作成本的增大。因此，只有那些得到良好设计、整定和维护的过程控制系统才能真正为生产带来长期、稳定和可靠的效益。在电力系统中，发电机组、各种工艺设备和自动控制设备的动态特性异常复杂，而且控制回路很多。在实际的生产中，只要系统被控参数的变化符合某些规定，不管系统内部性能的变化趋势如何，都认为是合格的，只有在系统显著恶化而不能投入使用时才采取措施。而实际中任何系统的性能都是渐进变化的，因此确定一个评价自动控制系统性能的指标并实现系统性能变化的实时监视具有重大的现实意义。目前基于安全性与经济性的自动控制系统的性能指标在电力系统中还是空白，因此对电力系统中控制器性能评价与优化的研究，不仅具有一定的理论意义，而且符合复杂工业过程控制的要求。本文将系统的评价与优化用于电力系统中，主要研究了控制系统的综合评价与优化算法，其包括：1．综合评价函数的设计。在随机性性能评价上使用最小方差评价算法，在确定性性能评价上采用传统意义上的指标函数。通过权系数把两者结合起来，设计出满足控制系统随机性性能与确定性性能要求的综合评价函数；2．基于免疫模糊自调整算法和BP神经网络自学习算法的优化策略，使控制系统具有一定的自适应能力，从而实现了控制器的评价与优化。并且把这种评价优化算法引入到电厂的控制系统中。第三章主要介绍了当前普遍使用的系统评价的方法。本论文引入了加权系数，把最小方差指标和传统意义上的指标合成一个综合的评价函数。根据实际工程中的不同需要，对权系数进行调整，改变系统的评价函数。第四章主要介绍了通过运用神经网络和免疫模糊算法来调整PID控制器的参数，从而系统处于最优状态。第五章是综合评价函数在热电机组中的应用，结合我们的需要，将随机性性能调整的参数值和确定性性能整定的参数值分别乘以不同的权系数，从而实现系统的综合优化。仿真实验验证了综合评价函数的有效性，以及运用神经网络和模糊控制策略对控制器参数进行优化的有效性。