随着风力发电系统装机容量的增大,风机的叶轮半径越来越大,风机运行过程中主要部件受到的载荷已逐渐成为一个影响风力发电机组运行性能和使用寿命的重要因素,因此引起了国内外学者的广泛重视。　　从目前国内外发表论文的情况来看,对载荷的优化控制策略研究尚在理论研究阶段,还没有达到可实际应用的程度。降低风力机工作过程中受到的载荷,可提高风机的运行性能,延长风力机的使用寿命。因此,大型风力发电机组的载荷优化控制策略研究具有重要的现实意义。　　疲劳载荷是造成部件老化的主要原因,因此本文的控制目标确定为降低风力发电机组运行过程中主要受力部件(叶片、传动链、塔架)承受的疲劳载荷。疲劳载荷包括两个要素:均值和振幅。目前绝大多数文献都围绕着疲劳载荷振幅的优化控制展开。这是因为疲劳载荷的均值对于部件的损耗比起疲劳载荷的振幅对部件损耗的作用要小得多。另外需注意的一点是,对载荷的优化很可能要以牺牲其他性能指标为代价,如功率控制执行机构载荷和变桨执行机构载荷等。因此在设计载荷优化控制策略时,还要同时兼顾其他控制性能指标。在不明显影响其他控制目标的条件下,本文针对疲劳载荷的均值和振幅分别设计了优化控制策略。下面对这两部分工作分别予以介绍。　　由于风速的随机性以及风机的非线性特性,适合设计控制器的载荷模型难以建立。这就使得以系统精确数学模型为基础的经典控制理论、现代控制理论等控制理论难以应用。而智能控制理论针对上述问题可以提供有效的解决办法。因此,本文基于智能控制理论,采用神经网络在线建模与传统控制策略相结合的方法对风机叶片的疲劳载荷均值进行了优化,并将控制算法应用到风机的非线性模型中,在MATLAB/SIMULINK中进行了仿真。仿真结果显示,在不明显影响功率控制效果的前提下,叶片疲劳载荷均值明显下降。　　对风机载荷均值的优化就是对风机控制信号(当风机工作于额定风速以上时)均值的寻优。而对风力机载荷振幅的优化则对应控制信号动态轨迹的寻优。基于以上认识,本文应用最优控制理论,基于风机在工作点处的线性化模型,以叶片、塔架、传动链疲劳载荷振幅和功率以及执行机构载荷为优化指标设计了LQR控制器。并在MATLAB/SIMULINK中进行了仿真。仿真效果显示:在风速波动幅度较小的情况下,基于最优控制的LQR控制器可明显降低风机主要部件的疲劳载荷振幅。