风能作为当前最具发展前景的一种可再生能源,对于社会生产发展起着十分重要的作用。随着风机尺寸不断增大,风轮的直径和塔架的高度逐步增加,造成机组的惯性也在增大。同时,由于传统风速计多位于风轮后的机舱上,风速测量具有一定的滞后性,使得变桨系统一直滞后于风速的变化。特别是面对极端风况时,矛盾凸显,造成塔基载荷大幅增加,对风电机组可靠运行产生不利影响,因此通过对风速序列中极端风况的识别,控制策略的改进,实现在极端风况下的机组塔架载荷的降低,保证机组极端风况下的稳定运行具有重要意义。本文首先针对极端风况下塔架载荷过大的问题,建立了包含极端风况的综合风模型和风电机组模型,通过对比激光雷达和机舱实测的风速数据,说明了对于激光雷达测风数据进行拟合的必要性,应用建立的模型进行仿真,得出在相同风速环境下塔架底部受到的载荷要远大于顶部的载荷,塔底载荷的变化也成为本文研究的重点。风速和机组模型的建立也为后续不同控制策略的仿真分析奠定了基础。其次针对激光雷达所测风速与到达轮毂的风速存在差异的问题,本文提出了基于激光雷达测风数据的风速拟合策略。确定了最优的训练样本数和神经元个数,建立了BP神经网络的风速拟合模型。为解决在风速序列中极端阵风的识别问题,通过对风速求取变化率,比较正常湍流风速和极端风况的变化速度,根据IEC标准设定相应的阈值,建立了阵风识别模型。通过仿真试验,验证了所建立模型的准确性,为后续提前变桨控制奠定了基础。最后为解决传统变桨系统滞后性的问题,提出了基于极端风况预测的提前变桨控制策略,应用激光雷达测风的超前性优势,实现对阵风的提前识别,通过模糊推理,确定风机需要改变的桨距角,实现变桨系统的提前动作,进而改善风电机组塔架在极端风况下的载荷。并通过模糊控制对控制参数进行优化,提高变桨控制器的控制性能,将设计的控制方法在2MW机组进行仿真验证,仿真结果与未采取提前变桨和传统PID控制方式分别进行比较,证明本文所提控制方案的有效性。