風(fēng)力發(fā)電系統(tǒng)的載荷控制是整個(gè)系統(tǒng)控制的關(guān)鍵。利用魯棒控制算法設(shè)計(jì)的獨(dú)立變槳距載荷優(yōu)化分布控制器，可使風(fēng)輪上所受載荷的分布變得均勻，從而減小風(fēng)電機(jī)組的振動(dòng)，提高控制系統(tǒng)的魯棒穩(wěn)定性和動(dòng)態(tài)性能。采用全反饋控制方法，重新組成一個(gè)該型機(jī)組所需的載荷阻尼控制器，實(shí)現(xiàn)了對載荷的良好控制。當(dāng)風(fēng)速達(dá)到額定風(fēng)速，但是輸出功率卻未達(dá)到額定功率時(shí)，魯棒控制器可以減小功率波動(dòng)以及驅(qū)動(dòng)鏈載荷。應(yīng)用魯棒控制組成的頻率穩(wěn)定控制器可以穩(wěn)定由于載荷波動(dòng)造成的頻率波動(dòng)，可以達(dá)到很強(qiáng)的魯棒穩(wěn)定裕度。
　　9 人工神經(jīng)網(wǎng)絡(luò)在風(fēng)力發(fā)電系統(tǒng)中的應(yīng)用

　　人工神經(jīng)網(wǎng)絡(luò)（Neural Network，簡稱NN）通過非線性映射，學(xué)習(xí)系統(tǒng)的特性，具有近似表示任意非線性函數(shù)及其逆的能力，具有高度的自適應(yīng)和自組織性，能夠?qū)W習(xí)和適應(yīng)嚴(yán)重不確定性系統(tǒng)的動(dòng)態(tài)特性，具有很強(qiáng)的魯棒性和容錯(cuò)能力。風(fēng)速在時(shí)刻變化，風(fēng)速預(yù)測不僅與預(yù)測方法有關(guān)，還與預(yù)測周期以及預(yù)測地點(diǎn)的風(fēng)速特性有關(guān)?？梢岳脮r(shí)間序列——神經(jīng)網(wǎng)絡(luò)法研究短期風(fēng)速預(yù)測，該方法用時(shí)間序列模型來選擇神經(jīng)網(wǎng)絡(luò)的輸入變量，選用多層反向傳播BP 神經(jīng)網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)分別對采樣的風(fēng)速序列進(jìn)行預(yù)測。此外，也可以采用小波分析和人工神經(jīng)網(wǎng)絡(luò)結(jié)合的方法對風(fēng)力發(fā)電功率進(jìn)行短期預(yù)測。利用神經(jīng)網(wǎng)絡(luò)預(yù)測風(fēng)電場的發(fā)電量，可以減少功率的波動(dòng)。采用前向人工神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)風(fēng)速估計(jì)的控制策略為系統(tǒng)提供了高性能的動(dòng)態(tài)特性，即使在真實(shí)系統(tǒng)中出現(xiàn)的不確定性和風(fēng)速變化的情況下也能穩(wěn)定運(yùn)行。
　　變槳距系統(tǒng)是風(fēng)電機(jī)組研究的關(guān)鍵部分。針對變速變距型風(fēng)電機(jī)組的液壓驅(qū)動(dòng)式變距執(zhí)行機(jī)構(gòu)，可以用基于神經(jīng)網(wǎng)絡(luò)的變槳距控制方法，以解決變槳距機(jī)構(gòu)的非線性、參數(shù)時(shí)變性、抗干擾和滯后性控制問題。基于彈性自適應(yīng)人工魚群-BP 神經(jīng)網(wǎng)絡(luò)的槳距控制器可以使風(fēng)電機(jī)組在變化的風(fēng)力中獲得最大的能量并使轉(zhuǎn)速、功率和機(jī)械負(fù)載變化最小。為了實(shí)現(xiàn)最大風(fēng)能捕獲提出了基于人工神經(jīng)網(wǎng)絡(luò)的控制器，該控制器結(jié)合了發(fā)電機(jī)的預(yù)測模型和神經(jīng)網(wǎng)絡(luò)控制技術(shù)。
　　將BP 算法尋優(yōu)具有精確性與遺傳算法全局尋優(yōu)的優(yōu)點(diǎn)相結(jié)合，提出一種新的BP 神經(jīng)網(wǎng)絡(luò)算法，該算法用于風(fēng)電機(jī)組齒輪箱故障的診斷，提高其工作的可靠性。Elman 神經(jīng)網(wǎng)絡(luò)可以降低網(wǎng)絡(luò)對參數(shù)調(diào)整的敏感性，有效抑制局部極小值的出現(xiàn)，因而Elman 神經(jīng)網(wǎng)絡(luò)用于故障診斷能識(shí)別出風(fēng)力發(fā)電機(jī)組齒輪箱故障類型，從而對齒輪箱進(jìn)行有效的故障判別。
　　神經(jīng)網(wǎng)絡(luò)適用于非線性系統(tǒng)，且不需要精確的數(shù)學(xué)模型，通過自學(xué)習(xí)可以實(shí)現(xiàn)良好的控制效果，能夠?qū)崿F(xiàn)電能質(zhì)量的優(yōu)化。神經(jīng)網(wǎng)絡(luò)可以用于風(fēng)力機(jī)動(dòng)力學(xué)分析中，其具有很強(qiáng)的容錯(cuò)能力，對于風(fēng)電機(jī)組模型的不確定性，將神經(jīng)網(wǎng)絡(luò)控制技術(shù)與其他的控制技術(shù)相結(jié)合，可以建立有效的數(shù)字信號(hào)處理器和其他設(shè)備控制器。由神經(jīng)網(wǎng)絡(luò)和模糊邏輯技術(shù)的控制器可以用于載荷頻率控制，控制器中的動(dòng)態(tài)模糊網(wǎng)用于自適應(yīng)載荷頻率控制設(shè)計(jì)中，該控制器可以減小載荷，具有良好的魯棒性和有效性。
　　10 模糊控制理論在風(fēng)力發(fā)電系統(tǒng)中的應(yīng)用
　　模糊控制是一種基于語言規(guī)則、模糊推理的高級(jí)控制策略，是智能控制領(lǐng)域最活躍、最重要的分支之一，截至目前，模糊控制以現(xiàn)代控制理論為基礎(chǔ)，同時(shí)結(jié)合人工智能技術(shù)、神經(jīng)元網(wǎng)絡(luò)技術(shù)、仿人職能技術(shù)，并因其具有自身優(yōu)點(diǎn)，在風(fēng)力發(fā)電控制領(lǐng)域得到了空前的發(fā)展。
　　變槳距系統(tǒng)是風(fēng)電機(jī)組當(dāng)中重要的組成部分，其性能的好壞對風(fēng)電機(jī)組的安全性、使用壽命、電能質(zhì)量產(chǎn)生重大的影響。在高于額定風(fēng)速工況下運(yùn)用了模糊變槳控制來限制功率，在一定程度上解決了風(fēng)電系統(tǒng)數(shù)學(xué)模型復(fù)雜、受參數(shù)變化和外部干擾嚴(yán)重、系統(tǒng)非線性、時(shí)變、強(qiáng)耦合等困難。