在实际的工业环节中存在很多随机系统,大部分针对随机系统的控制方法都考虑了服从高斯分布的干扰的存在,即以均值和方差为对象设计控制器。然而,在许多实际工业系统中,扰动是非线性的,未必遵循高斯分布,这会导致经典的以均值和方差为控制对象的随机控制策略失效。针对这类非高斯系统,王宏给出了输出分布控制这一新型概念,弥补了传统随机系统研究的缺陷,成为解决当前工业过程问题的热门算法。本文的工作主要有四部分:①阐述了随机分布控制理论、自抗扰控制的研究现状,还对风力发电的研究现状进行介绍,引出本文的工作重点。②针对线性自抗扰控制结构简单、参数整定少的特点,给出了基于线性自抗扰的概率密度函数控制器,并对简单的数值模型进行仿真研究。③研究了风电机组在自然风强随机性影响下的最大风能捕获问题。对于风速的非高斯分布,设计基于线性自抗扰的角速度跟踪误差概率密度函数控制器。通过子空间辨识方法,将输入与输出权值的关系转化为相应的状态空间模型并设计线性自抗扰控制算法,在目标函数中加入二阶Renyi熵指标,通过粒子群算法极小化目标函数得到控制器参数以使风力机稳定运行在最佳叶尖速比附近,完成额定风速以下的最大风能捕捉。④针对飞轮储能系统,设计了基于线性自抗扰的概率密度函数控制器来提高风电并网质量。在最大风能捕获的基础上,自然风的波动性使得输入功率具备随机性的特点,有必要采用飞轮储能装置保障机组向电网输入的功率平滑稳定。与最大风能捕获类似,设计了一种基于线性自抗扰的功率跟踪误差概率密度函数控制器,以尽可能多地跟踪输出功率误差形状的给定分布,仿真验证了该算法的正确性。综上,本文利用线性自抗扰控制器控制随机系统的输出概率密度函数,并将其实践于风力发电系统中,通过仿真证实了算法的可行性,补充了输出分布控制理论并扩宽了其在实际中的应用范围。