风能作为一种洁净无污染、易获得、储量巨大的可再生能源,近年来得到大力的利用和发展。但风能又具有间歇性和随机性,导致风电机组输出功率的波动性较大,随着风电装机容量的不断增大,大规模的风电并网对电网的电能质量造成影响。为保证风电机组的安全稳定运行,向电网提供高质量的电能输出,延长机组寿命,本文以双馈风力发电机组为研究对象,以最大风能捕获和平滑输出功率为目标,重点开展了对机组进行建模,提出一种基于改进人工蜂群算法优化的BP神经网络算法来进行风速预测,采用基于多模型的预测控制策略等工作,并取得了一定成果。首先,深入研究双馈风电机组各部分的原理和运行特性,建立了数学模型,在MATLAB/Simulink平台进行模型搭建。考虑到机组的强非线性和风速的随机性,对模型进行分段线性化,进一步推导机组的状态空间模型,为后续控制策略的研究打好基础。其次,针对标准人工蜂群算法存在的收敛速度慢、易陷入局部最优等不足,提出了一种结合遗传算法的交叉变异机制,并在算法后期引入高斯变异和混沌扰动的改进人工蜂群算法。将改进的蜂群算法应用于BP神经网络的参数寻优,并进行风速预测,通过对比实验分析表明,本文提出的CGCGABC-BP算法的预测精度更高,预测效果更好。最后,针对传统PI控制策略存在的功率波动较大、输出超调量大的问题,设计了基于状态空间模型的多模型预测控制器,并利用风速预测得到的风速值进行风速扰动前馈补偿。仿真结果表明,相较于PI控制,本文设计的MMPC控制策略的发电机转速和输出功率的波动显著降低,同时风速扰动抑制的作用使变桨执行机构提前动作,桨距角动作变化量也有所减小。