电力系统是一个结构十分复杂，而且同时具有强非线性、模型不确定性和时变性的典型高维动态大系统。近年来，随着各种智能控制算法的不断提出，以及智能电网概念的提出，越来越多的智能控制方法被应用到电力系统控制中去。而在电力系统自动发电控制（Automation Generation Control, AGC）领域，1997年NERC正式推出了联络线功率与系统频率偏差模式下互联电网自动发电控制的控制性能标准（Control PerformanceStandard, CPS）。随后，在该CPS标准下，大量研究者提出了相应的各种不同的AGC控制策略，如经典的控制策略，自适应控制策略，及各种现代智能的控制策略等。变论域模糊控制器是对模糊控制器的改进，它继承了模糊控制器的结构简单、鲁棒性强、无须控制对象精确数学模型等优点，克服了模糊控制器稳态控制精度不高、主观因数多等缺点，然而仿真中发现其存在一定的失真ě现象，容易造成误差，本文提出了一种参数自寻优的优化设计方法，通过自寻优使控制器性能指标最小，从而降低失真率ě，从而进一步提高控制器性能。而强化学习是一种重要的人工智能控制方法，它具有自学习和动态随机优化等优点，与适应电力系统实际运行状态具有良好效果，因此，近年来，强化学习方法也开始被研究应用于电力系统自动发电控制中，但在多智能体强化学习中，其依赖的马尔科夫状态不复存在，因此需要更为适应环境的多智能体强化学习对其进行控制。本论文主要围绕着参数自寻优变论域模糊控制和多智能体强化学习在电力系统AGC的控制中的研究展开，其主要内容如下：首先，本文简要的介绍了基于CPS标准的AGC控制结构。本文分析了在此模型上应用变论域模糊控制，同时针对AGC松弛控制的特点对其进行了相应的模糊规则与隶属度函数的设计。此后在变论域模糊控制器的基础上加入等比因子，同时引入自寻优方法对参数进行优化，形成参数自寻优变论域模糊控制器，并最终应用在电力系统AGC控制中获得良好效果。其次，本文在第四章介绍了均衡理论及基于均衡理论的多智能体强化学习方法。同时描述了计算均衡理论解的一些基于MATLAB中S函数的算法实现，分别给出了针对两个智能体博弈时的Nash均衡解与相关均衡解的求解方法与计算程序。最后本文在第四章后半部分中主要运用CEQ这一较为易于实现的多智能体强化学习方法在电力系统AGC控制中进行仿真运行，实现了智能体之间信息的交互，获得较好效果，同时也针对存在的不足提出了对未来研究工作的展望。本论文的研究得到国家自然科学基金项目（50807016，51177051），中央高校基本科研业务费（2012ZZ0020），清华大学国家重点实验室开放项目（SKLD10KM01）资助。