本书针对双馈感应发电机（以下简称双馈电机）在风力发电运行过程中可能存在的控制器不稳定等问题，提出了一系列控制领域前沿的控制算法，包括滑模控制、最优控制、逆最优控制、神经网络控制、扩展卡尔曼滤波器算法、粒子群优化等。本书推导了双馈电机离散数学模型，并在此基础上推导了上述控制方法的数学表达式，结合双馈电机模型和控制方法的数学模型设计出了双馈风力发电机在机侧和网侧的控制器。本书在仿真中应用了所设计出的控制器，给出了详实的仿真结果，这些仿真结果证明了所提方法在双馈电机控制中的正确性和有效性。本书为风力发电领域的相关研究人员提供了较新和较为全面的参考，适用于高校研究人员和研究生以及工业领域的相关从业人员。

译者序
原书前言
第1章 简介
1.1 近年来的研究概况
1.2 本书结构
1.3 本书符号表
第2章 数学预备知识
2.1 模块控制
2.1.1 一类非线性系统的模块表示
2.1.2 模块递归转换
2.2 滑动模态
2.2.1 离散时间滑模
2.2.2 参数已知的离散时间系统
2.3 最优控制及逆最优控制
2.4 离散时间高阶神经网络
2.5 扩展卡尔曼滤波器（EKF）训练算法
2.6 神经网络控制
2.7 粒子群算法
第3章 风机建模
3.1 风力发电系统
3.1.1 风机
3.1.2 风机结构
3.2 离散时间数学模型
3.2.1 双馈感应发电机
3.2.2 直流母线
第4章 可再生能源系统的双馈感应发电机控制
4.1 滑模块控制
4.1.1 DFIG控制器
4.1.2 直流环节控制器
4.2 逆最优控制
4.2.1 DFIG控制器
4.2.2 直流环节控制器
第5章 风力发电机组的神经网络控制
5.1 神经网络辨识器
5.1.1 DFIG神经网络辨识器
5.1.2 直流环节神经网络辨识器
5.2 神经滑模块控制
5.2.1 DFIG神经控制器
5.2.2 直流环节神经控制器
5.3 神经网络逆向最优控制
5.3.1 DFIG神经网络控制器
5.3.2 直流环节神经网络控制器
第6章 风力发电实验台的实现
6.1 实时控制器编程
6.2 双馈感应发电机模拟实验系统
6.3 滑模控制实时仿真结果
6.4 神经滑模控制实时仿真结果
6.5 神经逆向最优控制实时仿真结果
附录
附录A 粒子群最优控制算法
A.1 粒子群反向优化控制
A.1.1 DFIG和直流环节的应用
A.2 基于神经网络的粒子群优化
附录B DFIG建模
B.1 DFIG数学模型
B.1.1 转子参考坐标系的电路变量转换
B.1.2 旋转参考坐标系的转矩方程
B.1.3 标幺值转换
B.1.4 DFIG的状态变量模型
B.2 直流环节数学模型
参考文献