为了更好解决电力系统的非线性问题，有人提出了精确反馈线性化励磁控制法[8]，就是采用某种方法把非线性控制问题线性化成线性系统，再利用线性控制理论加以分析与设计。它克服了单点线性化模型方法的不足，对运行点的变化和系统结构的改变具有一定的适应能力。但它是基于精确的系统数学模型设计的，而实际电力系统的模型具有很多不确定性，使得实际控制效果受到影响，系统对参数和模型变化的鲁棒性不强；在导出的控制规律中无法得到包含发电机端电压偏差的状态变量；需要全状态可测量和精确抵消动态；存在奇异点的问题；仅适用于仿射非线性系统；数学过程抽象复杂，控制算法较复杂，应用推广困难。为消除需要对象模型精确已知的缺点，它通常与自适应、灰色、变结构、鲁棒、神经网络等控制相结合来提高系统的鲁棒性。

同时发现，针对反馈线性化方法难以同时提高电力系统功角稳定性和电压调节特性的问题，有人提出了基于分层设计思想的非线性切换励磁控制方法[9]。首先采用逆系统方法实现了系统的反馈线性化，然后根据Lyapunov函数方法针对零动态的部分线性化系统设计了切换励磁控制器。在线路的大扰动下，系统功角稳定性和电压调节特性均得到了有效提高。

由于电力系统的非线性、时变性和某些不确定因素，导致建立系统精确模型很困难，基于状态方程的各种线性或非线性控制理论都难以计及这些因素的影响。智能控制[10]不依赖于对象模型，具有处理非线性、并行计算、自适应、自学习、自组织等方而的能力，可在处理具有不精确性和不确定性的电力系统稳定性问题中获得可处理性、鲁棒性。目前很多智能控制方法已被用于励磁控制。

综上所述，几乎所有控制方法都被引入到发电机励磁控制的研究中。任何一种新近提出的控制算法，都在某一方面取得了进展和突破。发电机励磁控制是改善电力系统稳定性及其动态品质的重要手段。目前电力系统中励磁控制还有一些问题没有得到很好的解决[12]。如系统非线性问题、多种控制方式综合问题、大系统协调控制问题、动态适应问题、实际大规模电力系统设计模型的构造问题。由于励磁控制目标的多重性、励磁调节回路间的耦合性以及电力系统的高维性、非线性等复杂性，虽然学术界已经取得了一定成果，但是实际电力系统中传统的PID+PSS控制仍被大量采用，二次型(非)线性最优控制也有少量采用。由于非线性或智能励磁控制方式还存在理论不成熟、算法复杂等问题，目前大多还停滞在理论仿真研究阶段[11]。