由于社会经济快速发展,世界各国对能源资源的需求出现井喷式增长,导致常规化石能源的开采及消耗大幅度攀升,并由此带来常规化石能源的枯竭及环境污染等问题。为了应对出现的能源危机,世界各国已经从两个方面来解决这些问题:一方面通过采取相应的措施来控制化石能源的开采,通过优化工业产业结构来实现节能减排;另一方面积极探索新能源技术,大力开发经济环保的可持续能源。风力发电就是在能源出现危机的环境下快速发展起来的,它不像煤、石油等常规化石能源在使用的过程中会对自然环境造成污染,再加上风能的获取范围广泛且可以循环利用等优点,使得风力发电技术在可持续能源研发和利用领域具有重要意义。随着风力发电机组单机容量的不断增大,其机组也变得越来越复杂使本来就很脆弱的风力发电机组更加容易激发谐振等现象,这就严重影响了风力发电机组安全稳定运行。与此同时,风力发电机组在受到湍流、风剪切和塔影效应等影响时,将导致机组产生剧烈的仰俯及侧向等运动。由于机组在运行过程中还要承受各种静态载荷及动态载荷,如气动载荷、重力载荷、结构载荷和陀螺力载荷等附加载荷,较大的极限载荷及疲劳载荷将给风力发电机组带来极大的伤害,严重影响其运行寿命。同时,机组所产生载荷响应也会导致风轮平面所捕获风功率的波动更大,难以保证发电机输出功率的高品质。有鉴于此,论文将以大型风力发电机组的功率控制和载荷优化为目标进行相关的研究。本论文研究的主要内容和结构如下:(1)大型风力发电机组是一个非线性复杂多变量的强耦合系统,很难建立机组的准确系统模型以及气动载荷的数学模型。本文首先介绍了风力发电机组风能等效转化的基本思路,主要是将空气动力学中关于能量转换的理论进行了详细的介绍。其次,对大型风力发电机组的动力学特性进行详细的分析,主要进行了湍流效应、风剪切和塔影效应等风速特性对大型风电机组振动影响的研究,得出风力机动态载荷的主要影响因素,并建立了风轮旋转平面内的随机风速模型。最后,利用叶素动量理论对风力发电机组的气动载荷进行分析,分析出湍流效应、风剪切和塔影效应等对风力机气动载荷影响程度的大小,模拟出风轮转矩和轮毂的疲劳载荷,并在FAST中建立了基于叶素动量理论的风轮气动力模型,给出了考虑湍流效应、风剪切和塔影效应的风轮气动载荷模拟结果,并通过对结果的进行比较分析,验证该模型的正确性。(2)提出了一种基于径向基(RBF)神经网络模型预测变桨控制策略。首先基于不同风况下机组的运行情况利用RBF神经网络辨识模型建立自适应模型,通过RBF神经网络来逼近变桨控制系统的非线性函数,预测外界速度大扰动时风力发电机组的输入输出状况,然后通过自适应调整神经网络模型的结构和参数来跟踪变桨控制系统由于参数时变或其他干扰引起的漂移,最后将模型预测控制性能指标函数重构为易于处理的二次型最优化问题,通过对该二次型最优化问题的求解得到系统控制序列,并通过在线误差反馈来校正滚动优化获取变桨控制系统的最优控制序列。最后,通过实验证明了该方法的正确性及有效性。(3)提出了基于叶根载荷反馈的模糊独立变桨控制方法。针对大型风力发电机组的独立变桨控制问题,首先分析风力发电机组空气动力学线性化模型、Coleman坐标变换以及风轮桨叶不平衡载荷,建立模糊控制规则来避免由于风速扰动和不确定因素等带来的影响,通过设置具有自适应能力的轮毂固定坐标系不平衡载荷来判断风力发电机组的运行状态,从而实时的改变模糊独立变桨控制器的输出比例因子,利用模糊规则在线调整独立变桨控制器中每个桨叶的桨距角信号。实验结果表明,在随机风速条件下本文提出的控制策略的有效性。(4)提出了基于激光雷达(LIDAR)测速的大型风力发电机组模型预测控制方法来实现控制系统对风速扰动的前馈补偿控制。首先根据叶素动量理论分析风力发电机组的载荷情况和LIDAR预测风轮迎风面的有效风速,利用扩展卡尔曼滤波重建噪声状态的非线性风力机模型的未知状态,对预测时域状态值的进行预测实时处理,以求解最小目标函数获取系统当前时刻的最优化控制方式,使得系统参考轨迹和未来输出值之间差值实现最小化。最后实验证明所提的基于激光雷达辅助的风电机组模型预测控制,能在一定程度上提高大型风力发电机组的风能利用系数,缓解机组的疲劳载荷,延长使用寿命。最后归纳了本论文的主要研究工作和创新性成果,并对进一步的研究工作提出了一些建议。