地球是我们人类赖以生存的家园,煤炭、石油作为两种广泛使用的传统能源,正不断污染着我们周围的环境。由古代植物和低等生物经过长时间演变而形成的煤、石油一旦耗竭,也会给我们人类的可持续发展造成极大威胁。风能作为一种清洁、可再生资源,已越来越受到世界各国的高度重视,风力发电系统以它环境友好、具有潜在地较强市场竞争力等特点,被认为是解决人类能源危机的重要途径之一在风力发电系统中,控制技术是其核心技术,特别是随着大容量海上风电机组的开发,控制技术与整机开发的关系更为紧密。由于风的随机性造成的空气动力学不确定性;电力电子的复杂性(如晶闸管的非线性特性),风力发电系统的模型确定十分困难。如雷诺数的变化、桨叶沉积物、下雨等都会造成功率数的变化,其它诸如老化、大气条件和电网等因素在机组能量转化过程中也会造成不同程度的影响。各种因素的不确定性使得风力发电系统成为一个不确定性强的非线性系统,这给风力发电机组的研发和控制提出了诸多挑战。本文结合该方向的最新研究成果,以面向大型风力发电机组的非线性自适应控制算法为核心内容,工作和贡献主要从以下几个方面进行阐述：1.简要回顾风力发电机组控制的相关研究背景、概述国内外研究现状。2.研究变速风力发电机组的功率捕获问题。控制目标为通过跟踪理想功率轨迹优化机组功率输出。所设计控制器可以保证任意的稳态性能,即跟踪误差收敛到足够小区域中。此外,为了最大化机组的功率输出,所设计控制器同时可以保证系统的瞬态性能(如收敛时间大于任意指定值,超调量不超过指定阈值)。首先,当气动转矩已知时设计了相应的自适应控制器。其次,利用在线逼近器估计不确定的气动转矩,消除了控制器对气动转矩的依赖。通过引入误差转化技术所设计的控制器可以保证预设的稳态和瞬态性能。系统的稳定性也通过李雅普诺夫原理得以证明。最后,利用美国可再生能源实验室研发的FAST软件在1.5 MW机组上验证了算法的有效性。3.研究有效风速估计不精确时的风力发电系统功率捕获问题。控制目标为通过跟踪理想功率轨迹来优化机组功率捕获。首先,当气动转矩先验知识已知时,设计了一种自适应控制器,该自适应控制器可以在线辨识系统参数,不需要系统参数的先验知识。同时,该控制器利用一个改进的鲁棒因子避免了可能造成较大机械负荷的输入转矩抖振现象。此外,利用一个在线逼近器去学习含气动转矩的未知系统动态,消除了控制器对气动转矩的依赖。所设计的两种控制器在有效风速不精确的状况下都可以提供较好的系统性能。系统跟踪误差可以保证收敛到零附近任意小区域中。4.研究双馈感应风力发电机的功率控制问题。控制目标为优化风能捕获和调节无功功率以满足电网需求。首先,为了优化风能捕获,设计了一个自适应控制器来驱动电磁转矩跟随其通过最大功率点跟踪(MPPT)算法产生的参考转矩。然后,设计了自适应无功控制器来调节无功功率以满足电网要求。与大多数现有的研究相比,所设计的控制器可以对系统的稳态性能及瞬态性能进行量化。此系统,通过李雅普诺夫原理证明了其稳定性,算法的有效性也通过仿真得以验证。5.研究风力发电机组高风速段下的变桨距控制策略。风力发电机组工作在高风速段时,其模型是一个非仿射的非线性模型。由于非仿射系统中不存在显式的控制输入,使得控制输入的设计变得十分困难。本文首先对误差信号进行阶数提升,并利用神经网络的学习能力提出了一种基于神经网络的智能变桨控制策略。此外,综合输出转换和系统转换技术,提出了一种风轮转速带预设界的智能变桨控制策略,该策略不仅克服了系统的非仿射特性和不确定性带来的困难,而且保证了风轮转速始终维持在其指定的上下界中。最后对全文进行了总结,并对进一步的研究工作进行了展望。