目前,世界上大部分电力来自于燃烧化石燃料。随着能源需求的不断上升,化石能源终将枯竭,因此世界各国都在积极寻求替代能源。风力发电技术是最为成熟的可再生能源发电方式,全球已有大量风电大规模开发和商业化成功案例。风电机组接入电网,必然影响接入地区的电压稳定性和系统阻尼。传统电力系统分散协调控制仅基于同步发电机组设计,而风电机组多使用感应发电机——异步发电机的一种,感应发电机的机电特性和控制方式与同步机均有较大差别。大规模风电接入电网后,传统电力系统分散协调控制显然不能满足新能源电力系统的需求。基于以上考虑,该文推导了包含风电机组的新能源电力系统关联测量模型,该模型将各发电机组之间的关联作用用本地可测变量表示,从而为新能源电力系统关联测量分散协调控制器的设计提供了模型基础；设计了基于状态调节器的新能源电力系统关联测量分散协调控制器,并与可选择结构的分散协调控制器进行了理论分析和仿真对比研究。结果表明：新能源电力系统关联测量分散协调控制对控制器结构没有限制,设计方法灵活,可进行最优控制,具有较好控制效果。为了改善跟踪控制效果和系统阻尼,提出了一种新能源电力系统神经自适应分散协调预测控制策略(Neural Adaptive Decentralized-coordinated Model Predictive Control, NADMPC).该方法以各典型工况点的新能源电力系统关联测量模型构建预测模型库,利用在线训练Elman人工神经网络加权控制器计算各模型权值,从而实现了一种闭环、非线性、自适应加权控制；加权、拟合后的新能源电力系统关联测量模型送入模型预测控制器以实现闭环控制。为了提高基于双馈风机(Double Fed Induction Generator, DFIG)风电场的故障穿越能力,提出了一种可选择结构的神经自适应电力系统稳定器(Neural Adaptive Power System Stabilizer, NAPSS)设计方法。主导特征值分析和动态仿真表明了NADMPC和NAPSS的有效性。为了实现新能源电力系统的多目标优化和动态特性的精细控制,提出了一种具有区域极点配置约束的新能源电力系统分散协调混合H2/H∞模糊比例积分控制策略。该方法以新能源电力系统关联测量模型为基础构建模糊状态观测器,并在模糊建模过程中考虑逼近误差。在区域极点配置约束和控制器比例积分结构约束下,将多约束条件下的混合H2/H∞控制问题转化为三个特征值问题(Eigenvalue Problem, EVP),每个EVP又可用一系列线性矩阵不等式(Linear Matrix Inequality, LMI)描述。求解LMI问题属于凸优化,借助MATLAB LMI Toolbox可轻松求得数值解。该方法同时采用鲁棒镇定技术克服逼近误差对控制效果的影响。特征值分析和动态仿真表明了分散协调混合H2/H∞模糊比例积分控制策略的有效性。