风能仍然是国际经济中必不可少的、增长最快的清洁能源;它有助于解决全球化石燃料价格波动和可持续性问题所代表的经济障碍。智能控制集成显著提高了多兆瓦级风力发电机组（WT）的效率。因此,努力进一步优化风力发电系统（WPGS）性能的方法具有很大的推动作用。本论文的所有主题在基于风力发电系统WPGS的基础上提供一种与双馈感应发电机（DFIG）定子功率行为相关的智能转子电流支路控制（RBCC）。此外,本研究提出了四种优化方法下的滑模控制（SMC）和比例-积分（PI）策略,以提高风力发电系统WPGS的性能。基于同步dq-参考坐标系,建立了双馈感应发电机DFIG的数学推导模型。首先,提出了一种类似于带谐振功能调节器的比例-积分控制器（PIR）的滑模控制策略（PIRSMC）。本主题针对具有不同行为和控制目标的畸变双馈感应发电机-风力发电系统DFIG-WPGS,提供了 一种基于滑模控制的比例-积分谐振控制器PIRSMC的定子功率信号的转子电流控制机制。此外,开发了2兆瓦双馈感应发电机-风力发电系统DFIG-WPGS,使用蝙蝠优化算法（BAT）以验证在线调节（DPIR-OT-DBAT）比例积分谐振PIR控制器的结果。其次,在MATLAB/Simulink平台上开发了2兆瓦双馈感应发电机-风力发电系统DFIG-WPGS,并将其识别为一种递归神经网络（RNN）,使用离散自适应鸟群优化法（ABSA）以验证带谐振功能调节器（R）的滑模控制SMC的在线增益自适应结果。这两种技术用于通过具有多个动态条件和控制目标的主分量和5th-/7th级谐波分量来控制畸变系统变量。所有处理+dq转子电流分量和震荡变量机的技术都是通过具有调节器R的振荡频率为主系统频率的六倍的控制方法来实现的。第三,针对双馈感应发电机-风力发电系统DFIG-WPGS,使用蝙蝠BAT优化算法（BAT-SS-SMC）设计了滑模控制SMC的最优滑动面。建立了基于使用蝙蝠BAT优化算法的滑模控制最优滑动面BAT-SS-SMC的转子支路电流控制RBCC,用于在多种操作场景下对双馈感应发电机-风力发电系统DFIG-WPGS进行调节,以满足动态因素。BAT-SS-SMC对1.5兆瓦双馈感应发电机-风力发电系统DFIG-WPGS的仿真结果具有良好的鲁棒性,能够提供优越的动态性能,即转子电流和定子功率的超调量低于10%,以及标准控制器的其他动态特性。此外,蝙蝠BAT优化算法在迭代过程中增强了全局搜索,并在公差范围内收敛到小于10e-4。第四,针对非线性双馈感应发电机-风力发电系统DFIG-WPG,采用基于递归神经网络RNN的离散粒子群优化算法滑膜控制（RPSMC-PSO）,提出了一种与定子有功功率和无功功率（Ps-Qs）控制相关的新转子电流控制方法。该方法基于低阶泰勒近似原理的特点,重构递归神经网络RNN以简化粒子群优化PSO的优化问题,从而生成最优滑动开关信号。其主要思想是强制非线性系统滑模控制SMC的准颤振行为在几步之内接近最优滑动轨迹,并减少算法的计算负担。因此,控制律保证了系统的总体稳定性,并衰减了不重要的颤振影响。第五,基于递归神经网络RNN的低阶泰勒近似公式,提出了一种具有谐振功能的预测滑模策略（PSMC-R）。谐振功能的预测滑模策略PSMC-R预测了理想的开关面路径,并通过多个动态目标调节畸变非线性双馈感应发电机DFIG。该方法在干扰经典滑模控制SMC开关部件滑动面路径范围的同时,减少了过度的颤振。使用Matlab软件包对1.5兆瓦DFIG-WPGS的动态结果进行了仿真,结果表明,带谐振功能调节器的预测滑模控制PSMC-R在各种运行场景下具有良好的动态性能、较小的变量脉动比以及最佳的滑动颤振。简而言之,本研究通过将经典控制策略与应用于双馈感应发电机-风力发电系统DFIG-WPGS的优化调节机制相结合,在次同步和超同步转子转速、不定因素和谐波序列之间的变化过程中,提出了一种新的观点和解决方案。所提供的最优控制决策结果框架切实符合公共网络代码。预计它将应用在恶劣天气和工作故障条件下的双馈感应发电机DFIG过程中为大规模风力涡轮机的配置提供理想的功率,从而提高双馈感应发电机-风力发电系统DFIG-WPGS的灵活性、安全性和经济性的运行,以应对动态挑战。