在近十年里，电力生产经历了巨大且意义深远的变革。人们不再把单纯的工程问题作为考虑的重点，转而把关注更多投向经济与环保问题。出于对CO2排放的担忧，风力发电得到了人们的关注。比起石油和核能发电风能作为无污染、安全的可再生能源，具有竞争性的价格。由于中国拥有丰富的风力资源，风电市场在过去五年里连续以每年两倍的速度增长。截止2011年6月，中国风电总产值已达到52800MW。由于双馈风力发电机(DFIG)在变速恒频实现方面的优势，已被广泛应用于现代风力发电系统。　　首先，本文将对变速恒频双馈风力发电系统的原理、数学模型、传统的矢量控制方法进行详细的介绍。主要研究基于多种神经网络对双馈风力发电机组的建模方法和模糊增益自调整方法对双馈风力发电机组的控制。一台风力机是由风轮、转子、齿轮和双馈风力发电机组成的能量转换系统，是一个强非线性、不确定性、多变量耦合的复杂系统。通常，很难用传统的分析方法建立其数学模型。本文叙述了对一台1.5MW双馈风力发电机组建模的近期工作。利用在线测量数据和两种结构的神经网络方法对风力发电机组建模。神经网络方法将与最小二乘法(RLS)进行比较，结果表明了神经网络方法在双馈风力发电机组建模方面具有明显的优势。同时，本文详细叙述了利用模糊推理系统来实现矢量控制器PI部分增益的调整。给出了系统描述和运用模糊PI增益自调整矢量控制方法得到的仿真结果。所得结果控制精确、稳态误差小且动态响应迅速。