风力发电已经成为目前发展最快,应用规模最大的新能源发电方式。传统有功功率控制策略是根据当前各风电机组有功裕量进行简单的集中式比例分配,这种分配方式没有考虑到各风电机组因分配的功率变化而导致的机械疲劳。在实际运行中,风电机组功率改变会引起诸如传动轴扭矩变化、塔架所受力矩变化等情况。当这些扭矩和力矩等变量的变化率过大,会加剧机组的机械疲劳,导致风电机组寿命下降。针对这一问题,目前计及机械疲劳的多目标优化分配方式正引起广大研究者的关注。以往有学者研究将风电场控制转化为最优控制问题,将引起机械疲劳加剧的变量的变化率最小化作为优化目标。研究表明,在满足电网调度目标的条件下,通过动态调节各风电机组有功参考值,可以有效减低传动轴扭矩等变量的变化率,使相同工况下的损伤等效载荷(Damage Equivalent Load,DEL)明显降低,进而减缓机械疲劳,延长机组寿命。传统的集中式最优求解会导致计算量随着风电机组数量的增加呈指数级增长,当风电机组数量增多时,会造成求解困难,因而不适合于大规模风电场的实时在线控制。通过分布式控制器与主控单元进行迭代来进行最优求解,得到优化的功率参考值,进而传送至单机控制器。分布式控制器作为并行计算的单元,极大减轻了主控单元的计算量,因而适用于各种规模的风电场的实时控制。同时,采用基于Fast dual gradient的迭代求解方法,具有收敛迅速,迭代次数少的优点,减少了主控单元与分布式控制器的通信量。本文结合模型预测控制(Model Predictive Control,MPC)和快速傅里叶变换(Fast Fourier Transform,FFT)的特性,综合考虑风电机组低速轴转矩和塔架推力的循环寿命,设计出一种基于分布式运算MPC的算法,能够基于风电机组和环境的当前状态预测并优化未来一段时间的运行特征,并以分布式的形式将多台风电机组的有功功率参考值传递给各台机组,在满足电网调度的情况下,降低各台风电机组的损耗,进而降低风电机组运行过程中的成本。本算法在MATLAB中经简单实例以及风电场模型的验证,可以有效地平抑运行过程中的波动情况。