能源危机、环境污染问题以及电力控制技术的发展使可再生能源的集成引起广泛关注，设计一个新能源系统已成为一项技术挑战。能源市场和工业部门致力于提出一个极有竞争力的最优能源解决方案，却面临着可再生能源(Renewable Energy Sources:RES)控制方面的诸多困难。此外，逆变器在RES接入电网中起至关重要的作用，而RES的发电量取决于天气状况，有必要控制这些能源的电压和电流来提高效率。另外，RES的间歇性也导致了系统的动态变化和不确定性，这使得基于线性化模型的传统控制技术不再适用。因此，本文针对混合可再生能源系统(混合RES)，研究光伏系统的适应控制策略、能量管理的优化控制策略以及混合可再生能源的自适应神经模糊控制策略等。　　首先，为了提高太阳能光伏发电系统在各种不确定性条件下的光伏发电效率，提出了一种新的改进型间接自适应控制器。采用传统的智能最大功率点跟踪算法，如基于IC、P&O和模糊控制器的比例积分微分方程，与所提出的改进型间接自适应PV控制器进行比较。由于该控制器的应用，三相光伏系统的效率提高到97％。　　其次，为了研究可再生能源的能量运行控制行为，本文提出了一种优化的能量管理、负载分配和动态控制策略。该能源管理策略基于功率控制开关，且工作于双层管理状态。顶层控制整个电源管理，它根据太阳辐射、温度、风速和负载情况给低层的单个子系统(如太阳能光伏、风能、电池和超级电容器)提供参考，每个局部控制器再根据指令信号控制太阳能光伏、风能、电池和超级电容器。同时，为了维持系统24小时的运行，顶层还控制了在低太阳辐射和风速下的电网调度。所提出能量管理策略确保了最大化输出功率、存储系统的适当能量管理以及功率的连续性，并在不利的太阳辐射、风速、温度和不充足条件下减少输出功率的变化。　　最后，结合混合可再生能源发电特点，提出了一种直接自适应模糊控制器，该控制器结合了模糊逻辑的推理能力、神经网络的学习能力和切比雪夫小波的定位特性。在梯度回归算法基础上，推导了能够自适应更新结构参数的在线学习算法。该控制方法采用无模型直接控制结构，降低了计算复杂度和内存需求。考虑不同的故障、电网调度、负载效应和运行条件研究混合可再生能源系统的性能。结果表明，所提出的控制方法在效率、稳定性、总谐波畸变和电能质量方面均优于其他的常规智能控制方法。同样，所提出的能源管理策略表明了可再生能源的协调控制和合理利用的可能性。