新能源电力系统面临风电、光电输出功率受气候影响显著、难以精确预测的挑战。为了应对新能源发电固有的间歇性、波动性和不确定性，刘向杰教授课题组在电力系统鲁棒分布式模型预测控制领域开展深入研究：

构造了大型风力发电机组随机模型预测控制策略。 利用风速扰动分布信息，通过最小化状态误差，将实际状态约束在以概率Tube为中心的鲁棒Tube内并保证递归可行性，基于标称随机模型设计概率Tube，将实际状态导向额定工作点，有效抑制风速随机扰动，从而保障风能转换系统在高风速区域运行的安全性。

      图1 风电系统随机模型预测控制        图2 鲁棒概率Tube的的状态轨迹

针对高比例风电并网带来的强不确定性，提出基于鲁棒分布式模型预测控制的互联电力系统负荷频率控制方法。虚拟惯量控制以及减载运行模式能够使风电机组像传统火电机组一样参与频率调节。控制系统由标称MPC和辅助反馈律组成，旨在抑制风速不确定性，并且将相邻区域的信息作为反馈项纳入辅助控制器，从而实现发电区域间的有效协调。基于Schur性质和系统扰动有界条件，证明了该RDMPC电力系统负荷频率控制的稳定性。

图3 互联电力系统鲁棒分布式负荷频率模型预测控制

在多项国家自然科学基金项目（项目编号：62473150；62573192；62573194）的支持下，上述工作形成的系列研究成果发表在能源电力和控制工程领域顶级期刊IEEE汇刊。

[1] X. Kong, X. Liu, L. Ma, Y. Zhang, C. Wang, and K. Y. Lee, “Practical Stability and Robust Distributed Economic MPC of Renewable Power System Load Frequency Control”, IEEE Transactions on Control Systems Technology, vol.34, no. 3, pp. 1494-1506, May 2026.

[2] X. Liu, C. Wang, X. Kong, Y. Zhang, W. Wang, and K. Y. Lee, “Tube-based Distributed MPC for Load Frequency Control of Power System with High Wind Power Penetration”, IEEE Transactions on Power Systems, vol.39, no. 2, pp. 3118-3129, May 2024.

[3] X. Liu, S. Guo, L. Ma, X. Kong and K. Y. Lee, “Stable stochastic MPC for uncertain wind energy conversion system over whole operating regions,” IEEE Transactions on Energy Conversion, vol. 40, no. 1, pp. 515-528, Mar.2025.

[4] X. Liu, S. Guo, X. Kong, L. Ma and K. Y. Lee, “Offset-free stochastic MPC for uncertain wind energy conversion system,” IEEE Transactions on Industrial Informatics, vol. 20, no. 7, pp. 9487-9496, Jul. 2024.

[5] X. Liu, L. Feng, X. Kong, S. Guo, and K. Y. Lee, “Tube-based stochastic model predictive control with application to wind energy conversion system,” IEEE Transactions on Control System Technology, vol. 31, no. 5, pp. 2173-2187, Sep. 2023.

[6] 孔小兵,王文文,刘向杰.风电场分布式经济模型预测控制.中国科学:信息科学,2024,54(9):2200-2223.