能源是人类社会存在与发展的重要物质基础,随着人类社会的不断发展、进步,对能源的需求也在持续增长,能源结构也在不断变化。近年来,可再生能源的开发和利用越发受到重视,而风力发电是其中最廉价、最有希望的绿色能源。在风力发电技术中,变速恒频风电技术已经成为目前的主要研究发展方向之一,而如何提高风能的利用率,获得最大风能捕获,提升系统运行性能,保证风电系统输出功率稳定则是该领域的研究热点和重点。风力发电系统是一个复杂的非线性、多变量、耦合系统。为了提升风电机组运行性能,保证机组运行稳定性,本文基于径向基函数(Radial Basis Function,RBF)神经网络算法对风电机组变桨距控制方法进行了深入研究。本文首先简要分析了变速恒频风电机组变桨距控制,详细阐述了变桨距控制主要过程,并对风电机组运行区域进行了细致分析。在此基础上,本文分别建立了风电机组各个模块的数学模型,并搭建了相应的仿真模块。针对当前变桨距系统所存在的问题,本文提出基于RBF神经网络的变桨距控制方法。本文将RBF神经网络算法与传统的PID算法进行结合设计出RBF-PID自适应变桨距控制系统,通过该变桨距系统能够保证在风速高于额定风速时,通过变桨调节实现风能捕获限制功能,进而保证风电机组输出功率稳定。在RBF-PID变桨距系统运行效果验证过程中发现变桨距执行机构中存在死区,会对变桨距系统的精确调节以及风电机组的安全稳定运行带来一定的隐患,为解决该问题,本文在设计的RBF-PID变桨距系统基础之上,基于神经网络算法设计了专门用于变桨距执行机构的死区补偿器,通过该死区补偿器产生一个桨距角补偿值以抵消死区带来的误差,从而保证本文中所设计的RBF-PID变桨距系统调节的精确性。为验证本文所研究的RBF-PID变桨距控制系统与变桨距执行机构死区补偿器的有益效果,作者基于MATLAB/Simulink搭建了仿真平台,通过仿真对比分析,验证了本文所研究的基于RBF神经网络的变桨距控制方法具有响应速度快、精确度高、稳定性好、超调量小、鲁棒性好等优点。