风能作为一种清洁的可再生能源,近年来受到了全世界的广泛关注。风力发电是风能利用的主要方式,是一种环保、经济且可持续发展的新能源生产方式,发展前景十分广阔。目前,大型风电机组一般都具有变桨距功能,即可以沿着桨叶的纵轴旋转叶片,以控制风轮对风能的吸收,改变机组的运行状态和功率输出,使风电机组的控制更为主动。深入研究风电机组变桨距控制技术,对于保证机组的安全、稳定、优化运行具有十分重要的意义。风能的不稳定性以及风电机组自身的复杂结构决定了变桨距控制对象大扰动、多变量、非线性和工况复杂的特点,要使风电机组合理利用风能并向电网提供稳定、高质量的电能,常规的PI控制策略往往难以得到满意的控制效果,如何建立合适的模型并实施有效的控制成为变桨距控制领域研究的重点。本文以风电机组变桨距控制及优化策略为主要研究内容,重点展开了以下研究：1.对变桨距风电机组的运行特性及典型工况进行了研究,根据不同工况下变桨距控制的任务确定了本文的研究重点,即启动并网阶段的电机转速控制策略和风速大于额定风速阶段的恒功率控制策略。2.针对风电机组使用传统机理建模方法的局限性,对基于现场数据的神经网络建模方法进行了研究。利用实际风电机组现场运行数据分别建立了低风速段的机组发电机转速模型和高风速段的机组功率模型。仿真验证结果表明了所建神经网络模型的精确性,为变桨距控制提供了被控对象的神经网络模型。3.针对变桨距风电机组启动并网时要求电机转速平稳并精确地上升到同步转速的特点,将神经网络辨识、非线性模型预测控制、实数编码小世界优化算法三者有机结合,提出了一种基于小世界优化算法的神经网络模型预测策略。仿真结果表明,系统可以根据风速扰动提前预测电机转速的变化,使控制器超前动作,保证系统输出跟踪参考轨迹的方向稳步改变,确保电机平稳并网。4.针对变桨距风电机组高于额定风速阶段的恒功率控制要求,提出了一种基于小世界优化算法在线整定的自适应PI控制策略。该策略利用BP神经网络对被控对象进行在线辨识,为确定控制参数提供精确的实时变化信息,同时引入小世界优化算法实现对PI参数快速、准确的在线整定,以达到最优控制效果。仿真结果表明,将这种控制策略用于变桨距控制可以有效控制风电机组在高风速下的输出功率,效果优于单纯的PI控制。