模块化多电平变流器（Modular Multilevel Converter,MMC）具有可扩展性好、电能质量高、故障穿越能力强、可实现能量双向流动的优点,近年来被广泛应用于高压直流输电、中压电机驱动和静止同步补偿器等领域。有源前端MMC作为连接交流电网和直流侧负载的接口,其控制性能的优劣直接影响电能变换的质量。因此,研究在交流电网出现单相电压跌落和电网电压含低次谐波等非理想工况下的有源前端MMC的高性能控制问题具有重要的实际意义,以有限控制集模型预测控制作为核心控制策略,开展有源前端MMC模型预测直接功率控制研究,研究内容可以概括为以下三个方面:第一,针对传统模型预测控制算法在电网电压不平衡和谐波电网工况下,有源前端MMC系统将产生较大的功率脉动和电流谐波,导致电能质量下降的问题,在非理想电网条件下进行功率分析,设计了基于信号延迟的功率补偿策略。该策略可以在电网不平衡和含有谐波的条件下,得到正弦度良好的网侧电流波形,提升了电能变换质量。同时,该方法通过信号延迟法计算功率补偿项,无需复杂的锁相环设计和相序提取过程,取得了良好的控制效果。仿真结果表明所提策略是有效的。第二,针对传统模型预测控制算法在控制过程过度依赖系统参数以及MMC参数失配导致控制效果变差的问题,首先设计了基于遗忘因子最小二乘法在线参数辨识的有限控制集模型预测控制算法。这种策略避免了MMC在实际运行时因电磁干扰、电感元件饱和以及操作环境温度变化引起的参数失配。然而,该方法具有稳态辨识误差且动态响应时间较长。因此,设计了基于两层级滤波器自适应在线参数辨识方法的有限控制集模型预测控制策略,不需要初始系统参数（输入滤波电感和等效电阻）信息,具有更好的辨识效果。仿真结果表明所提出的策略都可以提高在发生参数失配时系统的鲁棒性,对比分析可知遗忘因子最小二乘法在线参数辨识技术计算量较小,而自适应在线参数辨识技术具有更好的动静态辨识效果。第三,针对控制过程中在线优化的求解过程计算量过大,频繁的开关切换导致功率器件损耗增加和效率降低等问题,设计了基于事件触发的有限控制集模型预测控制算法,该算法避免了冗余的采样和算法优化进程,显著降低了算法计算量和功率器件的开关损耗。仿真结果表明所提算法可以极大的减少冗余的优化操作,减小算法计算量,几乎不影响系统的跟踪性能。