一直以来风电不断的发展,逐渐向风电机组的大型化、轻量化方向发展。风力发电系统是一个非线性、强耦合具有不稳定性和随机性的系统,因此,需要优化风电变桨控制策略,研究更加高效智能的控制技术来实现风电机组安全、高效且稳定的运行相当重要。在此研究背景下,把优化变桨距控制作为研究目标展开研究。论文阐述了风力发电机组变桨控制原理、变桨控制策略,并且对2MW风力发电机组进行建模,在MATLAB/Simulink仿真软件中进行仿真实验,采取了PID变桨控制和模糊PID变桨控制。仿真结果表明,在模糊PID变桨控制策略下,在无论在阵风、阶跃风、湍流风条件下,控制精度高,调节时间短,风电机组的功率输出比PID控制更加稳定。针对无设备研究含有测风激光雷达(Li DAR)控制方案,提出了一种基于雷达坐标系和风坐标系变换方法模拟激光雷达测定风速的策略,仿真结果表明:在该策略下可为无设备采用测风激光雷达控制方案提供仿真条件。针对风速的随机干扰以及风电机组的非线性和时滞性使风电机组输出功率具有波动性问题,提出了Li DAR-P(比例)+ELM(极限学习机)控制策略,即把风电机组在额定风速下的PI控制器的稳定输出值,利用极限学习机(ELM)来学习这个稳定的输出值,激光雷达测得的风速输入给ELM,使其给出控制量稳态值,利用比例(P)控制器调节风轮转速?与额定转速?_e的误差,最后ELM输出稳态值和比例控制器的输出值相叠加,一起发送给变桨执行机构。仿真结果表明:Li DAR-P+ELM变桨控制策略对比与传统的PI控制策略,控制精度高、调节时间短,改善了传统PI控制器的滞后,使风电机组的功率输出更加稳定。针对Li DAR-P+ELM变桨控制策略进行改进,提出三种控制策略,分别为Li DAR-模糊比例+ELM变桨控制策略、Li DAR-模糊+ELM变桨控制策略和Li DAR-模糊神经变桨控制策略,其中Li DAR-模糊神经变桨控制策略以风轮转速?与额定转速?_e的误差、误差变化率以及激光雷达测得风速作为模糊神经网络控制器的输入,把模糊比例控制器输出值和ELM输出值相叠加作为模糊神经网络控制器的输出。仿真结果表明:在Li DAR-模糊比例+ELM控制策略下,机组功率输出更加稳定;在Li DAR-模糊+ELM控制策略下,变桨控制效果更加平滑,在Li DAR-模糊神经控制策略下,保留着Li DAR-模糊比例+ELM控制策略的效果,同时减少了控制器算法。