随着风电技术的日益成熟和装机容量的不断攀升,风电产业发展已然成为支撑我国可再生能源战略的重要一环。作为风力发电系统的核心之一,各种适用风电系统的控制策略不断发展。由于可以灵活地包含风电系统中多种不同物理尺度的控制目标和非线性约束,模型预测控制在近几年来始终是该领域的研究热点,不断发展并开始应用于工业界。但是模型预测控制也存在一些问题,其中就包括代价函数中权系数的设计复杂问题。针对该问题,目前学术界已提出多种解决方案,但现有方案多是基于特定模型或者将问题转换为另一种形式而没有得到解决。权系数设计问题的解决,可以充分发挥模型预测控制的优势,使之可以根据需求自由添加不同物理尺度的控制目标,提高系统效率、电能质量、安全性和其它可能的性能。因此,本论文以兆瓦级直驱永磁同步背靠背风力发电系统为对象,基于其标幺化模型,针对模型预测控制策略的权系数设计问题展开了研究。本文首先详细介绍了矢量控制、直接控制、无差拍控制以及模型预测控制四类控制策略,并通过仿真对比验证了四类控制策略在直驱永磁同步背靠背风电系统上的控制性能,阐述了各自的优缺点,肯定了模型预测控制的优势,之后针对模型预测控制中的权系数问题展开深入研究。目前模型预测控制权系数设计方案主要有两类思路,一类是通过各种寻优方法获得权系数,另一类则是采用级联结构代价函数等方法避免权系数的设计问题。接下来本工作根据两类设计思路各提出一种权系数设计方案。第一种解决方案是将人工智能引入该领域,探索利用人工神经网络解决权系数问题。首先简单介绍了人工神经网络,分析了解决该问题的理论可行性。之后将人工神经网络与模型预测控制结合,通过重复仿真获取训练数据,之后利用训练数据对神经网络进行了训练,训练完成之后的神经网络即成为实际仿真模型的代模型。基于此代模型,根据各项系统性能指标穷举选择相应的权系数组合。同时利用PLECS仿真软件进行了仿真验证,肯定了该方案的优势。另一种解决方案是对现有的避免权系数设计的级联模型预测控制进行了改进,提出了一种动态级联模型预测控制。该方案采用级联结构的代价函数,由优先级高的控制目标所对应的代价函数初步筛选开关矢量,并将筛选后的开关矢量输入次优先级控制目标的代价函数,进行进一步筛选,最终获得最优的开关矢量。通过动态调整代价函数矢量选择的阈值,自动确定开关矢量的选择数目。最后通过PLECS仿真验证了该方案,并与传统级联模型预测控制以及传统模型预测控制进行了对比。