能源电力在我国国民经济发展中起着至关重要的作用,为实现能源绿色转型,需推动清洁能源发电。风力发电因其可再生、清洁、成本低和环境效益好等特点,已经成为我国新能源发电系统中重要的发电形式,其控制系统设计在风电场经济安全有效运行中具有关键作用。风力发电系统是复杂的多变量、多约束、多目标非线性系统,因为风场风速的间歇性、随机性、波动性等特点,易造成设备的疲劳负荷加大,继而对风电机组的经济安全控制提出了巨大的挑战。随机模型预测控制（Stochastic model predictive control,SMPC）利用概率论、数理统计和随机过程等数学概念和工具,将系统干扰的随机特性（包括概率密度函数、均值、方差、高阶矩等信息）纳入控制器设计,将带有概率约束且考虑期望性能指标的随机优化问题转化为确定性问题,使不确定系统更好地实现动态跟踪。因此为加强风力发电系统克服风速随机干扰的能力,针对该系统设计有效的随机模型预测控制策略具有重要的实践意义及理论应用价值。为满足系统在不同风速区域对发电安全性、经济性和生产效益等多个方面的综合要求,本文针对风力发电系统的强非线性及风速随机性等控制难点,构造了带输出功率概率约束的多种有效的随机模型预测控制策略:（1）针对强非线性和风速随机性导致的风电系统控制优化难以求解的问题,设计了一种基于鲁棒Tube和概率Tube不变集的随机模型预测控制策略。利用雅克比线性化方法,将该非线性随机模型转换成一个带有有界模型失配的线性化随机模型。针对线性化模型及模型失配分别设计概率Tube及鲁棒Tube,以驱动风电系统实际状态收敛至额定点。通过同经典的鲁棒模型预测控制算法进行仿真对比,验证了该基于Tube的随机模型预测控制算法在抑制风速随机干扰方面的优势。同时利用 FAST（fatigue,aerodynamics,structures and turbulence）模拟器进一步验证了该算法在不同风速区域内的实用性。（2）针对风速不确定传播引起的鲁棒Tube和概率Tube求解保守问题,将多步控制策略与之前设计的基于Tube的随机模型预测控制策略相结合,提出了一种结合多步控制策略的随机模型预测控制（Stochastic model predictive control incorporating multi-step control strategy,M-SMPC）方法。该方法将多步控制策略引入鲁棒Tube和概率Tube的求解中,有效扩大了控制器可行域,保证了风电系统状态轨迹的可行性和收敛性。通过在不同风速区域下对风电系统进行机理模型和FAST模型的仿真,验证了 M-SMPC算法具有更强的风速干扰抑制能力。（3）针对求解鲁棒Tube和概率Tube计算负担重难以实现风电控制快速响应的问题,设计了一种简洁高效的基于确定性等价式的随机模型预测控制（Stochastic model predictive control based on deterministic equivalents,D-SMPC）策略,以保证随机风速扰动下系统的实时控制。利用Chebyshev-Cantelli不等式将输出功率的概率约束直接转化为一系列线性确定性不等式,并通过最小最大化目标函数,控制系统跟踪参考点,以解决非线性风电系统线性化的模型失配问题。通过与经典鲁棒模型预测控制方法进行仿真比较,验证了所设计的D-SMPC在抑制随机风速干扰方面的优势。（4）针对现代电网对风电系统运行经济要求日益提高的问题,提出了一种结合多步控制策略的随机经济模型预测控制（Stochastic economic model predictive control incorporating multi-step control strategy,M-SEMPC）策略。引入多步控制策略减小约束收紧带来的保守性,利用Chebyshev-Cantelli不等式将概率约束转化为确定性约束,通过最小最大化目标函数,实现最大化发电量、最小化疲劳载荷的目的。通过与经典经济模型预测控制、结合固定反馈控制策略的随机经济模型预测控制（Stochastic economic model predictive control incorporating fixed feedback control strategy,F-SEMPC）等方法进行仿真比较,说明了所设计的M-SEMPC在提高风电系统的动态经济性及抑制随机风速干扰方面的优势。