风能是一种可再生的新能源,日趋成熟的风电技术使很多国家高度关注其发展。因此,电网中被注入了大量的风电,随着电力系统中风电的大规模接入和风电的日益普及,对电网产生了很大的影响,如规模风电并网难的问题,传统的比例分配方法无法有效的解决出现的这些问题,亟需一种大规模风电并网的控制方法,可优化控制风电场集群的整体出力,充分利用风能资源,以增强集群有功出力的精准性及电压稳定性。因此对风电场集群的并网控制策略进行研究,具有一定的理论意义和应用价值。主要工作如下:(1)通过对尾流效应的研究,用两种模型模拟尾流效应在不同环境下对风电场整体出力的影响,并考虑等值机组间风的延迟效应的影响,最后在尾流效应和风的延迟效应影响下建立风电场多机等值模型。在Matlab/Simulink建立风电场等值模型并进行仿真,验证了相较于单机等值模型,多机等值模型更加符合风电场集群的实际出力特性。(2)基于分层理论,设计了一种减小有功功率并网误差的控制策略,能够优化控制风电场集群的有功功率,该方法将并网条件作为约束,将误差最小作为目标,优化合理分配风电场间的有功功率,使集群输出的有功出力能够更加精准的追踪参考值,最后以仿真验证该策略的控制效果。(3)将神经网络算法与模型预测控制相结合,并应用此方法对风电场进行实时滚动优化控制,最后通过仿真验证该方法可以有效的减小误差,实现风电场有功出力的精确控制。(4)设计了一种降低电压波动的无功电压控制策略,可优化控制风电场集群的无功功率,集群层采用优化和协调两种控制模式,风电场采用神经网络模型预测控制,该策略考虑了集群内风电场之间无功补偿互补性和风电场与汇集变电站之间协调配合,并对其进行仿真分析验证。