随着经济的持续增长、社会的高速发展,传统能源短缺问题和由此带来的环境污染问题正在逐渐制约着人类的进步。风能是一种取之不尽、用之不竭、清洁环保的可再生新能源,开发和利用风能等再生能源成为人类解决生存问题的战略选择,因此对风力发电系统的研究受到了学者们的广泛关注,尤其是控制技术的研究。风能转换系统是个高阶、非线性、强耦合、时变的复杂系统,建立精确的数学模型非常困难,既消耗大量的时间,又不可避免的存在未建模动态、固有误差和不确定因素。所以本文在风能转换系统中引入数据驱动控制的理论,绕开风能转换系统的模型对风力发电系统进行控制。根据额定风速以下的优化控制目标,用一时变动态系统等价替代此工作点的风能转换系统,利用测量的系统输入输出数据通过投影估计算法或最小二乘算法估计参数拟梯度向量,在线调整参与设计出基于数据的自适应控制器;在此基础上引入滑模变结构控制,将两者结合得到基于数据的自适应滑模控制;仿真研究验证了额定风速以下,风能转换系统中基于数据的自适应控制的有效性以及基于数据的自适应滑模控制的优越性。在额定风速以下,风能转换系统通过调节电磁转矩来控制发电机转子转速,从而跟踪最佳功率系数曲线以获得最大的风能;而在额定风速以上,风能转换系统需要同时控制桨距角和电磁转矩以实现恒功率输出,同时保持转速在额定值附近。本文在额定风速以下控制电磁转矩,额定风速以上采用多变量控制策略同时控制桨距角和电磁转矩,利用风能转换系统的输入输出数据获取马尔可夫参数,构造一个基于数据的控制器状态观测器,通过差分Riccati方程的闭合解设计出最优反馈控制器。仿真结果显示了基于数据的最优控制能有效地实现额定风速以下的最大风能捕获,额定风速以上的恒功率输出控制。