近些年来我国在经济较好、但风资源一般的区域大范围开发风电项目,且积极推动风电平价上网政策,由此可见急需提高低风速地区风资源利用率,深入研究风电机组的最大风能捕获控制策略。但由于机组的装机容量不断增大,对控制信号的响应时间较长,增加了延迟误差,且系统的控制状态量具有极大的时变和非线性特点,难以通过实时调整控制器参数跟踪最佳目标,会影响控制系统的整体性能,从而难以提高风电机组额定风速以下的功率输出。针对以上现存问题,论文在Simulink当中建立1.5MW变速恒频双馈风电机组模型,提出一种基于BP神经网络预测模型的粒子群在线参数整定方法用以实现最佳叶尖速比法最大功率追踪。引入预测技术以降低延迟误差,首先获取分辨率较高的实测风速数据,搭建基于BP神经网络的风速预测模型,然后利用得到的模型对下一时刻风速进行预测,预测结果显示,该方法的预测结果精度较高;在此基础上,提出基于机组简化模型的粒子群在线PI参数整定算法,该方法能够减少参数寻优过程中的计算量,实现参数随机组状态变化的实时整定,最终提高控制器的控制效果;将预测得到的风速值作为系统输入,在Matlab/Simulink当中进行联合仿真,得到的仿真结果好于其他方法,验证了该基于风速预测的最大功率追踪控制策略提高机组发电能力的整体可靠性。