风能作为最为重要的清洁能源之一，可以有效解决化石燃料的使用和环境污染之间的矛盾，受到世界各国的重视。而风力发电系统是风能利用的最主要途径。从大规模集群风力发电厂到微电网中的独立小型风力发电机，风力发电正在逐步改变我们的能源观和生产生活方式。由于风能资源在空间和时间上的高度变化性，因此对于风力发电机快速有效的控制就显得尤为重要。　　本文首先介绍了风力发电控制系统研究的意义和目前的国内外研究现状。以永磁同步风力发电机(PMSG，Permanent Magnetic Synchronous Generator)为研究对象，建立PMSG风力发电系统的数学模型。基于T-S模糊理论对非线性系统的描述机理，运用等效建模法建立PMSG风力发电系统的多工况 T-S模糊模型。考虑风速随机扰动作用下PMSG风电系统运行中状态量存在不可测量性，引入状态观测器对状态量进行实时估计，结合李雅普诺夫(Lyapunov)稳定性理论和并行分布补偿（PDC）策略设计模糊状态观测器和最大风能追踪模糊控制器，依据线性不等式（LMI）方法求解控制器和观测器参数。仿真表明，基于T-S模糊模型的状态反馈方法能够有效的将叶尖速比稳定在最优值附近，实现最大风能追踪。其次，在PMSG风电系统T-S模糊模型基础上，引入广义预测控制(GPC，Generalized Predictive Control)算法，将每一个模糊规则所代表的风速工况点的后件部分作为CARIMA预测模型，对各工况点设计独立广义预测(GPC)控制器。GPC的滚动优化的特点能够有效衔接各工况(子系统)之间的控制律，各子GPC控制器通过隶属函数构成全局控制器。仿真表明，T-S模糊广义预测控制方法(FGPC)能进一步改善PMSG风力发电系统的动态性能，提高最大风能利用率。研究表明，提出的FGPC控制方法较PI方法在PMSG风力发电系统最大风能追踪控制效果上有了极大的提高。较T-S模糊状态反馈方法，其控制性能进一步优化，风能利用率进一步提升，有效实现了风能最大追踪利用控制。