风力发电作为一种具备大规模开发条件且最有发展前途的新能源发电方式,近年来,受到广泛关注且得到了快速发展。随着风机容量及尺寸的日益大型化,风机的平稳可靠运行、发电效益提升、风机载荷降低等越来越依赖于精细化的风机优化控制及合理的风机控制设计模型建立方法。其中,如何合理平衡建模复杂度及模型精度、以适用于控制设计的模型结构高精度逼近复杂风机动态成为众多研究关注的焦点。针对上述问题,本文着重研究面向控制设计的风机非线性动态建模问题,重点关注机械侧气动系统、传动系统建模及两者的集成动态建模。基于大型风电机组运行机理分析,分别建立气动系统模型及传动系统模型。气动系统具有明显的非线性特性,基于分段线性建模思想,采用线性分段仿射(Piece-wise Affine,PWA)模型表征复杂的全局非线性气动特性。以获取的运行数据作为建模数据集,通过基于数据特征向量的聚类方法实现了气动特性PWA模型的建立,得到的模型对实际气动特性具有良好的表征能力。针对传动系统,在判定了其闭环可辨识性后,应用灰箱辨识方法获取传动系统动态模型。其中,以通用的简化机理模型为基础,提出智能辨识算法求取模型参数,并围绕传动系统多输入多输出模型灰箱辨识探究了目标函数的选取问题,详细地论述了辨识步骤。最后,通过仿真分析,验证了所建模型的准确性及所提方法的有效性。为了降低建模复杂度,提高简化模型对机组非线性动态的逼近能力,提出一种混合半参数建模策略。首先,建立具备误差补偿能力的神经网络模型,表征气动系统实际非线性特性与PWA模型之间的偏差特性。通过并联结构建立非线性气动特性的混合半参数模型,使得神经网络所表征的偏差特性得以补偿PWA模型输出,从而以较低的复杂度实现线性PWA模型结构对复杂非线性的高精度逼近。然后,根据气动系统和传动系统的耦合关系,将气动系统混合半参数模型与传动系统动态模型相串联,得到可表征风机机械侧整体非线性动态的联合模型。最后,基于高保真软件仿真平台,借助仿真分析对上述混合半参数建模策略的有效性进行了检验。本研究为实际风机动态建模提供了重要指导,为实际风机的先进控制设计等研究应用奠定了重要基础。