针对模块化多电平变换器（MMC）的参数设计与基本控制理论已经比较成熟,单端口STATCOM MMC和双端口AC/AC MMC也已经在高速铁路牵引供电系统中投入使用。但是,随着交通电气化进程的发展,牵引供电系统面临着越来越高的需求,这对MMC的运行控制策略提出了新的挑战。本文以MMC为研究对象,围绕模型预测控制策略展开研究,以获得普适性强、动态特性高、谐波特性好、计算要求低、参数失配鲁棒性强、白噪声鲁棒性强的MMC控制方法。首先,以双端口AC/AC MMC的数学模型为出发点,对共模电容电压和差模电容电压进行动态建模,并在频域上实现了桥臂电容电压均衡控制的解耦。通过向AC2侧注入不同频率的环流分量,所提出方法实现了上下桥臂电容电压的均衡控制。然后,对单端口STATCOM MMC的基本运行控制策略进行推导,并通过对比研究建立了单端口与双端口MMC控制逻辑之间的映射关系,为后续章节模型预测控制算法的普适性奠定基础。控制逻辑之间存在映射关系,也意味基于线性控制理论所设计的控制器面临着共同的缺点,如级联方案所导致的结构复杂、过多参数导致的整定困难、以及动态性能差等,这些都限制了MMC性能的进一步发展。针对上述缺点,采用模型预测控制方案将MMC的控制问题转化为最优化问题。根据优化与控制目标的不同,本文为AC/AC MMC相模型分别设计了模型预测电流控制（MPCC）和模型预测电流与电容电压控制（MPCVC）两种策略。通过设计合适的优化函数,将模型预测控制问题转化为凸优化二次规划问题。为了满足实时控制的要求,针对本文特定的有约束二次规划问题,提出了一种适用于在线运行的专用几何求解方法,并对其全局最优性进行了数学证明。针对相模型采用MPCVC时所出现的电容电压均衡表现提升但电流跟踪精度降低的问题,提出了一种适用于三相MMC系统的增强型模型预测电流与电容电压控制策略（EMPCVC）。其以电流最小跟踪误差为约束条件构建电容电压均衡控制优化问题,在提升电容电压均衡表现的同时对电流的跟踪精度进行了保证。模型预测控制的策略研究与求解算法设计,为后续鲁棒性问题的研究奠定了基础。针对常规模型预测控制所存在的对模型参数误差较为敏感的问题,设计了面向参数失配的鲁棒模型预测控制算法。首先对模型参数失配对系统性能的影响通路进行了分析。由直接到根本,本文从输出电压、预测状态、模型参数三个层面分别设计了基于电压补偿的鲁棒模型预测控制策略（基于VC的RMPC）、基于预测电流补偿的鲁棒模型预测控制策略（基于PCC的RMPC）,以及基于参数辨识方法的鲁棒模型预测控制策略（基于PIM的RMPC）。基于VC的RMPC方案采用并联控制器的方式对参数失配所带来的影响进行反馈矫正,因其不需要对传统模型预测控制本身进行修改,具有较低的部署成本。基于PCC的RMPC方案通过补偿参数失配所导致的预测误差进行鲁棒能力的提升,并根据优化理论推导了控制参数的在线学习算法,所设计的李雅普诺夫函数对算法稳定性进行了证明。基于PIM的RMPC策略则采用参数辨识的结果而非标称参数进行状态预测与最优电压求解。最后,对上述三种RMPC策略进行了横向对比与分析,并对其实验可行性与有效性进行了验证,为后续进一步融合白噪声鲁棒算法奠定了基础。不同于参数失配所带来的规律性扰动,采样噪声与过程噪声均为概率分布的白噪声,不能被准确建模与预测。针对系统白噪声对模型预测控制的影响,首先对含有系统白噪声的优化问题进行了数学化描述,并基于卡尔曼滤波理论（Kalman Filter,KF）给出了该问题的最优解。进一步将KF与模型预测控制进行融合,设计了基于KF的RMPC。在融合KF理论的基础上,通过对参数失配所引起的规律性扰动进行扩张状态建模,提出了基于扩张状态模型-卡尔曼滤波器的鲁棒模型预测控制策略（基于ESM-KF的RMPC）。该算法利用KF对系统状态以及扩张状态的观测,不仅增强了白噪声鲁棒能力还兼顾了参数失配鲁棒能力。通过联合参数辨识方法和自适应卡尔曼观测器,设计了基于PIM-AKF的RMPC策略。该策略在观测与控制之前引入参数辨识环节,增强了系统的参数失配鲁棒能力。与此同时,自适应KF的引入不仅降低了协方差矩阵的整定需求,还实现了更好的白噪声鲁棒表现。最后,对三种融合了KF的RMPC策略进行了方案对比与分析,并对其实验可行性与有效性进行了验证。