随着社会和科技的快速发展,世界各国对能源的需求日益增加,大量开采化石能源,导致化石能源面临枯竭和生态环境遭到破坏。为了应对这一世界性难题,世界各国开始加大对新能源研究的投入,开发清洁环保的可再生能源。风能作为可再生能源的重要组成部分,具有无污染、清洁、可持续、分布广泛和存储量大等特点,世界各国已经把对风能的开发作为可持续发展的重要战略之一。风能的一般利用形式是风力发电,随着风电机组单机容量和体积的增大,风电系统出现大惯性、大延迟和超调大等现象,增加了风电控制系统的复杂性。因此,论文针对外界风速高于风电机组额定风速工况时,对风电机组设计变桨距控制策略。通过设计变桨距控制策略和算法,将风电机组的输出功率维持在额定功率值附近,并减小风电机组主要部件的载荷,增强风电系统的稳定性。针对风电系统存在未建模部分和内外扰动问题,设计了一种风电机组自抗扰变桨距控制器(Active Disturbance Rejection Control,ADRC)。采用扩张状态观测器对风电系统的状态进行估计,将风电系统未建模部分和内外扰动定义为“扩张状态”,从而对系统进行补偿。另外,在控制器中设计非线性函数来对抗风电系统的非线性和超调性,采用非线性状态误差反馈控制率对系统的偏差信号进行组合,得到一个变桨距控制律。最后,将自抗扰变桨距控制器与常规PID变桨距控制器进行仿真实验对比,发现相比常规PID变桨距控制,自抗扰变桨距控制大大改善了风电系统的控制性能。针对难以确定风电系统的精确数学模型问题,设计了BP神经网络PID(BP-PID)反馈变桨距控制器。BP-PID变桨距控制器不依赖风电系统的精确数学模型,只需要知道风轮转速的期望值和实际值,采用BP-PID控制器对风轮转速期望值与实际值的偏差进行调节,利用BP神经网络在线调节PID参数,实现PID参数的最优组合,从而进行变桨距控制。仿真实验表明,与常规PID变桨距控制相比,BP-PID变桨距控制可以有效的调节风电机组的输出功率和部件载荷。针对风电系统存在大惯性和延迟性问题,设计了卡尔曼风速预测前馈变桨距控制器。BP-PID是一个反馈控制器,需要检测到系统的反馈信号才能进行系统控制,有一定的延迟性。因此,设计出卡尔曼风速预测前馈控制器对BP-PID反馈控制器进行补偿。采用卡尔曼滤波器对风速信号进行提前预测,构建出风速与桨距角的相关函数,把风速作为输入量,桨距角作为输出量,从而根据预测风速得到一个用于补偿反馈环节的桨距角补偿量。仿真实验表明,提出的卡尔曼风速预测控制器能够较好的补偿反馈环节,改善了风电系统的延迟效应。针对风电系统控制目标较多的问题,设计了一种基于多目标优化问题(Multi-objective Optimization Problem,MOP)的变桨距控制器。将输出功率、叶根载荷和发电机转矩作为控制目标,通过设计多目标优化策略和多目标优化函数,求解出相应的最优解,从而将风电系统的单目标控制转换成多目标控制,进一步优化风电系统的输出量。最后,基于FAST与MATLAB/Simulink平台进行仿真实验,发现提出的多目标优化变桨距控制策略具有可行性,有效控制了风电系统的超调量,减小了机组载荷,增强了风电系统的安全性和稳定性。