针对风机在额定风速以上工况下运行时所承受的不平衡载荷，文章提出了一种将径向基函数（Radial Basis Function,RBF）神经网络与模型预测控制（Model Predictive Control,MPC）相结合的MPC-RBF独立变桨距控制策略。通过风电机组动力学方程与坐标变换建立了适用于控制器设计的平均周期状态空间模型。在卡尔曼状态观测器的基础上，使用模型预测控制即时调整风机桨距角，RBF控制器抑制载荷，进而设计出所需的独立变桨控制器。以NERL 5 MW风电机组平台为例，分别分析在湍流风作用下基于比例积分（PI）,MPC以及MPCRBF独立变桨控制策略的载荷特性以及运行特性。仿真结果显示，采用MPC-RBF能有效地降低载荷，提高风机的运行寿命，且对功率波动有较好的抑制效果。

湖南省自然科学基金项目（2018JJ4070,2022JJ50074）；

0引言
1风电机组系统模型
1.1气动系统模型
1.2传动链系统
1.3变桨执行器
1.4状态空间模型
1.5坐标变换
2控制器设计
2.1有效风速估计
2.2模型预测控制
2.3 RBF神经网络
3仿真结果及其分析
3.1卡尔曼滤波观测器有效风速验证
3.2风电机组载荷特性分析
3.3风电机组运行特性分析
4结论

[1]王欣,李毓明,秦斌.基于MPC-RBF控制的大型风电机组独立变桨控制策略[J].可再生能源,2025,43(02):225-232.