风能是世界上除水电外最主要的可再生能源之一,它的存在减少了我们的经济受到燃料价格波动的影响。先进的控制算法能够显著提高大容量风力发电机组的运行效率,因此对风电机组优化控制的探索源源不断。论文提出了三种控制策略并在风电机组性能优化方面进行了深入研究。首先,提出了模糊控制算法（FCA）。它以受到风速波动影响转子转速为输入,采用推理方法调整叶片的桨距角,从而优化风电机组的输出功率。当转子转速低于额定值时,减小桨距角,当转子转速高于额定值时,增大桨距角。利用MATLAB/Simulink搭建了一个3MW风力发电机组模型,并与PI、PD、PID等传统控制方案进行了对比验证。第二步,在MATLAB/Simulink环境下搭建了一个1.5MW的风电机组模型,验证了线性自抗干扰（LADRC）方法。LADRC控制器解耦了闭环参数干扰,使控制器更为简单。抗扰器中的观测器以转子转速为输入信号,结合干扰估计器的补偿来产生控制信号。风电机组通过伺服电机调整桨距角,提高了发电效率。以转速被认为是输入,与PI、PD、PID等传统控制方案进行了比较,验证了控制器的优越性。总体来说,LADRC控制器优于FCA控制器。第三步,基于NREL 5MW GH叶片式风电机组模型,分析了发电机转速对输出功率的影响。提出了一种基于风电机组转速反馈的变桨距自适应控制算法。并与PI控制器的性能进行了比较。伺服系统通过控制伺服系统、传感器和风电机组实现桨距角的闭环平滑调节。通过对三种控制器的比较分析,证明了其中基于自适应控制方法设计的控制器效果最佳。本研究提出的三种创新型控制策略中,FCA控制算法揭示了叶片桨距角、转子转速和额定功率特性的动态性能;而线性自抗干扰算法降低了风力机关键部件的疲劳载荷;自适应控制技术降低了风电机组运行中的不确定性,有效地调整桨距角,使其更接近系统的动态响应,降低了风电机组的载荷,保持了较高的功率水平。