针对传统PI控制应用于静止同步补偿器(Static Synchronous Compensator, STATCOM)这个复杂的非线性系统中，所产生的快速性与稳定性之间的矛盾，以及对精确数学模型的依赖性、自适应性及鲁棒性较差的问题，本文设计了一种基于执行依赖型的启发式动态规划(Action Dependant Heuristic Dynamic Programming)方法的新型优化神经控制器。　　 执行依赖型的启发式动态规划(Action Dependant Heuristic Dynamic Programming ADHDP)方法是自适应动态规划方法中的一种，它应用于复杂的大系统中，能够有效地解决动态规划所遇到的“维数灾”问题。相对于其它的自适应动态规划算法，它是由控制网络和评价网络组成，不需要模型网络，因而使得该算法具有结构简单、计算量小、不依赖于系统数学模型和实时性高的特点，又由于它能够实现在线学习，所以适合于在复杂、非线性系统中进行在线的实时控制。　　 本文采用BP神经网络构建基于ADHDP的STATCOM的控制网络和评价网络模块，利用系统的电压变化量和无功功率等信号对控制网络与评价网络进行交替训练，以达到对优化控制器的目的。　　 本文以单机无穷大系统为例，在Matlab/Simulink环境中对系统进行了负荷冲击和三相短路的仿真实验，并和传统PI控制器的控制效果进行对比；为使仿真结果更加逼真、可靠，本文还在PSCAD中建立仿真系统模型，在MATLAB中实现所提出的自适应动态规划方法，将PSCAD的仿真可靠性和MATLAB的强大的计算能力相结合，并在其中进行负荷冲击的仿真实验。　　 实验结果表明，这种基于ADHDP的新型优化神经控制器具有很强的抗干扰性和自适应性，在超调量、响应速度以及稳态误差方面都优于传统的PI控制，体现出良好的鲁棒性和自我调节能力。