1  风力发电网络化系统分布式控制技术

风力发电由于风能资源丰富、开发成本低、相关技术比较成熟等原因，成为目前最有发展潜能的新能源。伴随着风力发电的电网穿透率的不断增加，风电系统与电网系统之间的影响也越来越大，所以如何解决风力发电以及使用中存在的各种问题，具有重要的研究意义。本研究组从事的研究方向包括：风电机组非线性无源控制、风电场内多机组控制、风电场群集群控制、多能源场群控制等。

2  光伏发电与新能源控制技术

光伏发电以清洁、丰富等优点受到人们的普遍关注和认可，光伏并网发电逐渐成为可再生能源发电的主力。随着光伏发电产业的蓬勃发展，对光伏发电相关技术的研究已经迫在眉睫。世界各国对其研究都踊跃投入大量的人力物力，研究主要集中在光伏电池、最大功率跟踪控制、并网逆变控制以及保护控制等方面。本研究组从事的研究方向包括：光伏系统建模与参数辨识、光伏电站有功与无功控制、并网光伏系统的稳态、动态与暂态分析、太阳能光伏实物制作、DSP等。

3  非线性网络化控制与应用

在线性控制理论基础上，针对非线性系统提出了非线性控制策略与方法，并逐步形成非线性控制理论。本研究组从事的研究方向包括：下三角非线性系统的控制、无源性控制、Hamiltonian系统实现与控制等。随着通信技术和计算机技术的发展，控制系统逐步实现了网络化、智能化，控制系统也不再是集中式的，而是由通过网络互连起来的控制组件构成的分布式系统。传感器、控制器和执行器通过控制网络连接形成控制回路，即所谓的网络化控制系统，它具有模块化，分散控制，易于工程开发和维护以及低成本等优点。本研究组对网络化控制的研究主要包括多智能体的分布式协同控制中的一致性、同步、时延、量化、编队控制等问题。

4  智能算法与控制及其应用

   作为传统算法的升级，智能算法近年来的得到很大的发展和应用。智能算法在图像处理、模式识别、进化计算、优化算法等方面都有着重大贡献。现今的智能算法包括：人工神经网络、遗传算法、粒子群算法、禁忌搜索算法、深度学习等。本研究组对智能算法的研究主要包括：智能算法与负荷预测、智能算法与光伏功率预测以及智能优化算法的研究等。在智能控制领域，模糊控制、神经网络控制、进化计算和群体智能等也能跟传统的控制算法结合使用。智能控制技术的集成包括两方面：一方面是将几种智能控制方法和机理融合在一起，构成高级混合智能控制系统，如模糊神经控制系统、基于遗传算法的模糊控制系统、模糊专家系统等；另一方面是将智能控制技术与传统控制理论结合，形成智能负荷烈控制器，如模糊控制、神经元控制、模糊滑模控制、神经网络最优控制等。