鲁棒预测控制因为其能够处理模型不确定和外界干扰,而且又保持了预测控制处理系统约束的优点,引起了越来越多的关注。考虑到实际工业过程中大规模复杂系统的地理分布和子系统间信息交流的情况,分布式控制方式更加适合实际应用。在此背景下,本文提出了两种鲁棒分布式模型预测控制算法。一是针对干扰抑制的线性约束系统,提出了一种能够保证系统H∞性能的鲁棒分布式预测控制算法。这种算法能够在线权衡系统性能与约束满足,使系统在碰到较大的干扰时不至于出现约束违反的情况,在干扰较小时,又能恢复至较好的控制性能。并因为采取了分布式控制框架而减小了控制器的计算负担。二是针对不确定的约束系统,提出了一种改进型的鲁棒分布式预测控制算法。这种算法通过利用满块S-procedure引理,巧妙设计矩阵乘子,扩大了在线优化问题的可行域,降低了算法的保守性,从而得到较好的控制性能。作为鲁棒分布式模型预测控制算法,两种算法都是将大规模系统分解为若干个子系统,根据算法规定为每个子系统设计控制器,在每个采样时刻求解一个基于线性矩阵不等式的最小化优化问题,求得控制量应用到子系统中。本文对两种算法分别给出了应用于互联电力系统负荷频率控制的仿真结果,并对仿真进行了分析说明,证明了算法的有效性。最后,给出了全文的总结以及对未来研究的展望。