永磁同步风力发电机（Permanent Magnet Synchronous Wind Generator,PMSG）发电效率高,低电压穿越能力强,目前被广泛应用于发电领域。PMSG常用矢量控制策略,其高性能控制器的实现需准确的PMSG参数,但PMSG电阻、电感、永磁体磁链参数在不同温度与工况下存在差异,导致PMSG的控制性能降低,因此,在线辨识PMSG参数具有重要意义。本文以PMSG为研究对象,采用改进的扩展卡尔曼滤波器法（Extended Kalman Filter,EKF）实现高精度参数辨识,仿真与实验验证所提方法的正确性。本文的主要研究内容如下:（1）基于PMSG各坐标系下的数学模型,对PMSG空间矢量脉宽调制（SVPWM）及机侧变换器的矢量控制原理进行了简述。（2）针对EKF的系统噪声矩阵Q与测量噪声矩阵R较难选取,导致状态估计较差问题,提出一种自适应变异粒子群算法（AMPSO）优化EKF的PMSG参数辨识方法。通过状态估计误差建立了合适的适应度函数,作为AMPSO寻优EKF最优Q与R矩阵的准则,对粒子群算法（PSO）引入自学习半径与极值变异操作,保障了Q与R矩阵的寻优精度,仿真结果表明所提方法的辨识精度与速度优于PSO-EKF、EKF。（3）提出一种带极值扰动的平均粒子群算法（EDMPSO）优化EKF的PMSG参数辨识方法,解决了AMPSO-EKF方法仅辨识两个参数问题。为降低高阶运算量较大问题,建立双线程降阶辨识模型,实现电阻、电感与永磁体磁链的多参数辨识,设计了合适的PSO适应度函数,对PSO引入极值扰动与平均位置最好操作,使其跳出局部最优,实现了EKF的Q和R矩阵高精度自适应校正。仿真结果表明该方法具有良好的收敛速度,能较精确地辨识出PMSG参数,比传统的方法具有更好的辨识精度与泛化能力。（4）采用RT-LAB实验平台对所提两种方法进行验证,双线程EDMPSO-EKF的PMSG参数辨识方法可实现多参数辨识,且辨识精度与速度优于AMPSO-EKF的PMSG参数辨识方法,泛化能力更好。