随着能源及环境问题的日益突出,新能源及可再生资源的研究越来越受世界各国的重视。风力发电机作为一种利用风能发电的装置,在近年来有了迅猛的发展。其中永磁同步风力发电机由于结构简单、控制方便在当前得到了广泛的应用。故本文针对永磁同步风力发电机系统的建模及其智能控制进行了分析研究。本文根据永磁风力发电机原理及相关知识,在Simulink中建立了永磁同步风力发电机系统的仿真模型。根据传统PID控制的缺点提出了基于BP神经网络的PID智能控制器,并且重点研究了在额定风速下风力发电机的最大功率输出控制问题。同时,搭建了基于小波函数算法的BP神经网络模型,并借助上述模型,重点研究了超短期的风速预测问题。针对BP神经网络算法初值不合理导致的预测精度较低问题,提出了遗传算法优化初值的方法,通过仿真结果可见,此方法能较大程度的改善网络性能。首先,本文对风力发电机相关的空气动力学和控制技术进行了介绍,对其力学模型、工作原理进行了相关探讨。根据空气动力学原理建立了风力发电机的基本模型,通过Clark及Park变换,对基本模型进行了解耦。建立了同步旋转坐标系下的风力发电机仿真模型。其次,介绍了永磁直驱式同步电机电流系统的基本构成,探讨了三相电压源逆变器PWM技术几种常用算法及其工作原理,着重对SVPWM的算法实现及建模进行了研究。与此同时,研究了三相永磁同步电机的矢量控制技术的工作原理和实现方法,通过基于电流环和转速环PI控制器的参数设计方法搭建了基于PI控制器的永磁同步电机矢量控制仿真模型。最后,基于上述研究的基础上,在Simulink平台上建立了三相永磁同步电机系统的数学模型。再次,针对低风速下风力发电机的风能利用率不足问题,提出了目前常用的几种风力发电机最大功率输出控制策略。综合控制效果及控制可行性,选定最佳叶尖速比法作为后续风力发电机最大功率实现的控制算法。然后,介绍了当下比较流行的神经网络智能控制算法,并重点对其中的BP神经网络网络算法进行了研究。基于BP神经网络控制技术,搭建了BP神经网络的风力发电机智能控制模型,并搭建了其改善模型,从而使BP神经网络的性能更加稳定。同时,分别对Simulink下搭建的风力发电机PI控制器模型和BP神经网络控制模型进行实仿真确认。通过仿真结果可见,神经网络控制器能够完成风力发电机的转速控制,且比传统PI控制器更加稳定。最后,结合小波函数搭建了基于小波的BP神经网络模型,并针对天气状况和历史风速分别进行了风速预测仿真。由于BP神经网络的输出受网络初值影响较大,所以又搭建了基于遗传算法的小波BP神经网络,通过仿真可见,此模型能有效改善网络性能,使预测输出更加准确。同时,搭建了基于风速预测的风力发电机功率控制模型,提高了风机运行稳定性及效率。通过本文研究,为后续非线性控制问题的智能控制问题提供了解决思路及参考借鉴。