一旦检测、分析出存在的有关电能质量问题的信息，就必须采用有效的控制方法消除或抑制这些信息。采用何种控制方法与电能质量问题类型以及控制装置密切相关。
传统的一些用于稳态电压调整的装置，如并联电容器、并联电抗器、变压器分接头等都是机械式的，它们对电能质量问题反应速度慢、控制不、调节能力有限，过去一般采用手动控制的方法，现在有一部分装置采用了自动投切的方法，其控制策略既有非常简单的开环控制，也有采用模糊控制、智能控制等现代控制策略的。
基于电力电子技术、通过变流器与电力系统相连接的电能质量控制装置，例如SVG(静止无功发生器)、APF(有源电力滤波器)、DVR(动态电压恢复器)、DSTATCOM(即并联型DVR)、UPQC等的控制方法更多。对变流器PWM控制技术是目前常用的控制方法，通过调节导通角∆和调制脉宽Η可以四象限控制能量存储装置与电网间的有功或?和无功交换，而且可以有效地抑制交流侧的谐波。根据提取出的电能质量扰动信号来确定终变流器的触发信号，目前研究及应用比较广泛的控制方法有以下几种：
a.PID控制：这是电力系统中常用的方法，其理论完善、鲁棒性强、稳定性好、稳态精度高，易于在工程中实现。经典PID控制采用比例、积分、微分等典型的控制模块，加上几种校正网络，能改善系统动态、稳态性能。但PID控制也存在响应有超调、对系统参数摄动和抗负载扰动能力差等缺点，因此出现了变参数PID控制、将PID与变结构控制相结合等控制方法。
b.滞环比较控制：目前在跟踪谐波电流方面应用广泛的控制方法是滞环比较控制。滞环比较控制的原理是将被控制量与它的给定值在给定范围内进行比较以确定电能变换器开关元件的开关时序。滞环比较控制具有反应速度快、控制精度高、容易实现和不需要了解负载特性等优点;主要缺点是开关频率不固定，用于三相三线系统时有严重的相间干扰，在负载换路时被控制量往往不能得到有效控制等。与矢量控制等方法相结合可以有效地克服上述缺点。
c.空间矢量控制：空间矢量控制的原理是将测量得到的基于三相静止坐标系的交流量(abc)经过Park变换得到基于两相旋转坐标系的直流量(dq)，实现解耦控制，具有良好的稳态性能与暂态性能。常规的矢量控制方法需要进行复杂的正弦、反正切函数运算，一般采用DSP进行处理;为了缩短实时运算时间和降低对硬件的要求，可以采用一些简化算法。
d.无差拍控制：K.P.Gokhale等人在1987年首先提出逆变器无差拍控制方法，它的主要思想是根据系统的状态方程和当前的状态信息推算出下一周期的开关控制量，终达到使输出量跟踪输入量的目的。采用无差拍控制可以消除稳态误差，并在短的时间内结束过渡过程;但它也存在鲁棒性较差、瞬态响应超调量大、计算实时性强因而对硬件要求很高等缺点。采用带扰动状态观测器的无差拍控制或预见控制技术都可以大大改善无差拍控制的性能。
e.反馈线性化：直接反馈线性化(DFL——directfeedbacklinearization)方法即通过对系统非线性因素的补偿，将原系统转换为线性系统，即可用线性控制理论加以控制。
f.非线性鲁棒控制：考虑SMES(超导储能装置)实际运行时会受到各种不确定性的影响，因此可通过对SMES的确定性模型引入干扰，得到非线性二阶鲁棒模型。对此非线性模型，既可应用反馈线性化方法使之全局线性化，再利用所有线性系统的控制规律进行控制;也可直接采用鲁棒控制理论设计控制器。以某种性能指标的优化为设计依据的鲁棒控制理论典型的代表就是加拿大学者G.Zames于1981年开创的H∞控制理论。该理论目前已经发展得比较成熟，成为分析和设计不确定系统的有力工具。
g.自适应控制：实际的SMES系统在运行过程中必然会受到负载扰动及其他环境因素变化的影响。采用常规的控制器，以一组不变的控制器参数去适应各种变化显然难以取得满意的结果。自适应控制方法可以在线辨识系统模型，然后根据系统模型和控制指标及时整定控制器参数，实现高精度控制。
h.模糊逻辑控制：用经典控制理论的“频域法”和现代控制理论的“时域法”设计控制器时，必须知道被控对象的数学模型。自适应控制、自校正控制虽然在很大程度上降低了对建模精度的要求，但需要使用大量的先验数据，而且要对模型进行在线辨识，算法复杂、计算量大，限制了其应用范围。模糊控制作为一种智能控制方法，不需要对系统建立的数学模型，通过对系统特征的模糊描述，可以大大降低获取系统动态和静态特征量付出的代价。模糊控制有较强的鲁棒性，对外来干扰、过程参数变化和非线性因素均不敏感。但模糊控制存在稳态误差，在工作点附近容易引起小范围振荡。可以将其他控制方法与模糊控制相结合，如变结构控制、人工神经网络等，从而改善模糊控制的性能。
i.人工神经网络(ANN)：人工神经网络具有自适应和自组织能力，可以根据输入、输出学会它们之间的非线性关系，而不需要系统的数学模型;ANN的容错性和自适应性可以应付复杂系统在运行过程中的众多不确定因素，提高系统的抗干扰能力;ANN固有的并行结构和并行处理能力使它可以快速处理系统的大量数据。
