风力发电是新时期绿色发展理念和可持续发展思想在电力与建设事业上的新生事物，随着风力发电场站建设与应用逐步开展，如何利用好现代信息技术和高科技元素加速风力发电事业发展就成为建设者、管理者和决策者的中心任务和核心目标。当前信息化的控制技术发展进入到关键时期，以自适应控制技术、人工神经网络技术、专家评估系统、最优控制智能技术为代表的新型技术正在广泛应用到风电控制体系之中，这为高效率、高安全地实现风电生产各项目标提供了可能，同时也为风电事业的从业者提出了如何做好实际应用、具体管理等一系列课题。
1.风力发电控制系统类型
风力发电控制系统主要有双馈风力发电控制系统和直驱式永磁风力发电控制系统两种类型。双馈风力发电控制系统是风力发电领域中常见且应用最为广泛的系统形式，具有较高的性价比，主要应用于大功率风力发电机中。随着信息化、智能化技术的不断发展，双馈风力发电控制系统也逐渐采用新的控制技术，如恒速恒频控制技术和变速恒频控制技术等，在对发电机进行控制时，普遍采用无功优化控制、矢量控制、直接功率控制以及滑模控制四种方法。直驱式永磁风力发电控制系统在不断发展过程中逐渐应用于小功率风力发电机中，其简单、有效且成本投入较少，主要采用扰动观察控制、转矩反馈控制、最佳叶尖速比控制以及功率反馈控制四种方法。
2.信息化控制技术在风力发电控制系统中的应用
2.1自适应控制技术在风力发电系统中的运用
自适应控制技术是在新一代控制理论和网络技术基础上提出的新型控制技术，在风力发电运行的实际过程中具有较好的适应性和针对性，风力发电控制系统中的运用自适应控制技术可以针对尚未构建模型的运行参数进行调整，进而实现风力发电系统动态阶段变化的实时性控制，从而保障风力发电设备达到稳定运行、安全运转的目标实现。当前自适应控制技术的应用主要集中在风力发电中控制系统的中控部分，通过自适应控制技术构建的功能型平台能够实现风力发电系统及时准确的捕捉风力和风强，动态性地调整发电控制系统的以适应周边环境变化的实时性和突发性，真正起到对环境要素的全面、适当、有效地调整。自适应控制技术在不同风力发电设备之间还有着数据交换和信息沟通的功能，通过对个别风力发电设备反馈的信息，风力发电场站可以形成运行环境的深入认知，有助于建立更加完整、更加准确的环境信息库。同时，风力发电场站课可以通过风力发电设备整体的历史数据进行深入加工，制定和形成适应实际的风力电力生产的策略和目标，因此，自适应控制技术在风力发电控制系统中的应用具有显著现实意义。
2.2人工神经网络技术的应用
人工神经网络技术属于一种具有先进性的信息技术，发展速度较快，在智能领域已经获取良好的成就。该技术是一种非线性、自适应数据处理技术，在风力发电控制系统中具有良好的应用价值。人工神经网络有较强的抗逆能力，在容错能力方面相比其他技术有着良好的表现。对风力发电而言，风速、风向并不是固定不变的，要想精准预测风速，就需要关注预测方式的应用，进一步明确预测周期和地点。在具体实践中，可以利用时间序列神经网络精准预测风速，还可以将人工神经网络技术和小波分析技术结合起来[1]，预测风力发电的功率。可以在应用人工神经网络技术之前，借助神经网络估计风速，这样能够提升系统动态化性能，就算后期风速发生巨大变化，系统依旧能够实现稳定性运行。同时，在对风力发电机组进行研究的过程中，变桨距系统也是一个关键的系统，可以借助神经网络控制变桨距，进而解决变桨距参数的时变性和滞后性的问题。另外，为了获取更多的风能，还可以重新构建发电机组预测模型，将其应用于人工神经网络控制器，利用BP算法、遗传算法等，提出新的神经网络算法。该算法可以应用于风力发电机组故障诊断，能够解决故障问题，提升系统运行的稳定性。
2.3专家评估系统在风力发电控制系统中的运用
专家评估系统是基于大数据技术和专家数据库系统的智能推理系统和辅助程序，是对专家思维和推理过程的全过程仿真与真实性模拟，由于专家评估系统包含专业知识信息库、推理与演绎模块、专家经验数据库、知识与经验储备等功能组成部分，所以对风力发电控制系统实现对实际情况和具体问题的分析和判断有着重要的针对性和功能性。风电机组系统是结构性和功能性高度融合的复杂系统，任一子系统存在运行的风险和故障都会在整体上和功能上造成对整个系统的不良影响和严重威胁。专家评估系统可以形成对风力发电机组电力信号、故障信息、特征向量的跟踪，实现整个风力发电控制系统对海量运行数据的模糊控制，在采取出组区域转矩控制的基础上结合变速控制方式，更好地提出针对不同风场风速风强的运行调整建议，在准确预测和全面控制的同时实现风力发电设备高效率、高安全地运行。风力发电设备及其控制系统在结构上异常复杂，根据系统论的基本观点风力发电系统越复杂，造成风力发电系统故障和隐患的因素就会越多，风力发电设备及其控制系统故障就会越复杂、越难于处理，而专家评估系统的应用可以实现对各设备、各器件的动态跟踪和实施检测，采取专业化推理和功能化演绎的方式作出故障和隐患的判断，更好地实现风力发电设备及其控制系统的连续、安全地运行。
2.4最优控制智能技术的应用
在自然环境中，风速、风向都属于不确定、不稳定的因素，然而在风力发电过程中，这二者却是极其重要的因素，由于可控性较低，需要在研究中重点探究如何对其进行控制，以确保风力发电的稳定性。对此，可以将最优控制智能技术应用于风力发电控制系统，实现对风速感应设备、发电机等的控制，及时获取风速、风能变化数据，将其保持在稳定状态内。传统的风力发电控制系统较为落后，再加上发电机组运行环境较为恶劣，需要控制系统实现机组启停、发电控制等功能，并且很难构建风速线性模型，在一定程度上提升了工作人员的工作难度。将最优控制智能技术应用于风力发电控制系统，能够有效明确风速捕捉点以及风速平衡点，构建专业的线性模型，对相关数据、数据变化之间的关系进行高效控制。同时，为了避免数据之间出现冲突，还可以结合实际情况调整智能技术的应用，对线性模型进行优化，保证数据的准确性，并且在扩展矢量控制动态模型的情况下，还能设计出调节器的最优输出功率。为了避免风速测量失真，还可以对变流器的速度进行控制，进而控制发电机。为了获取嘴阀风能，可以将反馈线性化和跟踪控制系统应用于风力发电控制系统，跟踪和控制发电机转子转速以及风速变化，采用最佳叶尖速比方法，保证最大限度地获取额定风速、风能，实现发电机的输出功率控制[2]。
结论：
简而言之，以上通过介绍风力发电控制系统类型以及几种信息化控制技术在风力发电控制系统中的应用，对风力发电控制以及信息化控制技术有了清楚的认知。虽然现阶段风力发电控系统尚处于建模阶段，但是已取得了一定的发展成果，有着良好的发展前景，探究自适应技术、专家评估技术、人工神经网络技术、最优控制智能技术在风力发电控制系统中的应用具有重要的现实意义。
参考文献：
[1]任丽娜,焦晓红,邵立平.风力发电机速度跟踪自适应控制研究[J].太阳能学报,2019,30(10):51-52.
[2]郑雪梅,李琳,徐殿国.双馈风力发电系统低压过渡的高阶滑膜控制仿真研究[J].中国电机工程学报，2020,32(27):91-93.