传统化石能源面临的窘境促进了风电技术的发展,在国家政策的刺激下,国内风电产业发展形势大好,我国的风电装机总容量和新增装机容量已经连续八年蝉联世界第一,国内已经建立了大量的大规模风电场。但是,风的随机性和突变性,以及电网负荷的不确定性使得风电场的功率输出具有很强的波动性和不确定性;不合理的风电任务分配会增加风电机组的疲劳荷载。因此实现风电场内功率的精细化控制,对于减小风电场并网点电压的波动、减小风电机组的疲劳损耗、提高电网的风电接纳能力有着重要的意义。本文主要针对风电场内的功率调度问题展开研究,协同有功功率和无功功率一起调度,风电场内的功率调度是基于风速预测信息安排未来一段时间内风电机组的发电任务,在时间轴上呈现预估性;并且风电调度问题是一个多约束、多目标的优化问题,这与模型预测控制的预测特性、处理约束条件的能力、在线求解优化问题的特点相吻合。因此,本文将模型预测控制用于解决风电场内功率调度问题,并就如何提高控制的精细化、减小优化计算量进行了更深入的研究。本文的只要研究工作体现在几个方面:(1)在阐述了风电场各主要模块的动态特性的基础上,构建风电场的简易线性模型,并进一步构建基于模型预测控制的风电场内有功和无功协同调度策略,然后分析模型预测控制的优化计算策略。(2)针对集中式模型预测控制中心控制器的计算负担大、容错性不强、扩展能力差等问题,引入分布式控制框架予以改进,以每台风电机组作为单独的智能体,提出多智能体分布式预测控制,制定多智能体分布式预测控制的协同控制策略,并且通过仿真实验验证了算法的有效性。(3)根据风电场内集电线路的连接情况,对风电机组进行分组,构建基于线路拓扑的分组-分布式模型预测,制定子系统之间的协同控制策略,最后通过仿真实验验证算法的有效性。