从PM2.5闯入日常生活,到空气污染红色预警,环境污染问题已成为最受关注的社会话题之一。"十三五规划"中首次提出"必须牢固树立创新、协调、绿色、开放、共享的发展理念,坚持绿色发展,提高新能源及可再生能源的比重"。目前国内外风力发电的发展呈现上升趋势,装载容量逐年递增,部分地区出现他们的第一个商业风电场。风能因其相对成熟的发展技术,较低的成本,已成为全球最具规模化发展前景的可再生能源之一。风具有非线性、随机性、不可控等特性,是一种可变资源。通常情况下风力机发电系统是根据固定输出设计的,所以实现准确度高的风速短期预测对智能电网、功率调度、风电交易和气象服务都具有重要的意义。本文的研究对象是风力机系统,目的是实现风机转子转速与理想转速的伺服跟踪控制和优化。文章内容主要分为以下三部分。首先,在风速短期预测方面,介绍了三种预测模型ARIMA模型,灰色模型和SVM模型。使用这三种模型对风速进行仿真预测,并对仿真结果进行分析对比。仿真数据(风机功率、电机转速、风轮转速、湍流风速)来自NREL(国家可再生能源实验室)。结果显示SVM算法不仅具有扎实的理论基础,且仿真效果是这三种方法中最好的。其次,选用带有变速箱的水平轴风力发电机,建立风力机物理模型,获得ONE-MASS模型的动力学方程。该方程涵盖了转子转速、转子转矩和发电机转矩,并确定了它们之间的相互关系。最后,对转子转速进行跟踪控制,这部分将使用基于SVM的准确的风速预测值。本文将介绍两种控制算法,并对MATLAB仿真结果进行对比。方法一是鲁棒自适应控制,可在系统参数不确定的情况下对系统进行跟踪控制,并理论地验证了控制器的有效性。方法二是线性二次性优化控制,因为通过自适应控制可将系统的控制器分为两部分,参数辨识(?)和转子转速的线性部分。线性部分使用二次性优化控制方法。(?)精细化辨识将结合风机中的系统参数和SVM的辨识风速计算得到,该方法解决了以往部分辨识方法中需要设置参数边界的问题,保证了(?)的有界性和准确性。进行MATLAB仿真,并在跟踪效果和能耗两方面进行分析总结。结果显示(?)精细的辨识和二次型优化控制可以使系统快速、稳定、节能地跟踪理想轨迹。