摘要：通过预测控制算法对风力机变桨距系统进行调节，风力机非线性模型采用支持矢量回归（SVR）算法进行拟合。考虑实运转风力机模型的变化，通过改进的序列最小优化（SMO）代替原增量SVR的凸二次规划算法，并用偶然点排除和模型储存复用等新方法，有效缩短在线运算时间，实现了改进型增量学习算法的在线辨识。此外，由于电液比例变桨距执行机构的差动回路设计和风力负载的单方向性，造成桨叶顺桨和逆桨时系统模型并不一致，本研究的预测控制过程采用双模型切换。整个算法在变桨距风力机半物理仿真试验台上进行试验，当风速高于额定风速时，与常规的PID控制和单模型SVR预测控制相比，发电机输出最大功率误差分别从约9％和10％降低到3％左右。

关键词：模型预测控制 变桨距 svr smo 半物理 

单位：浙江大学流体传动及控制国家重点实验室; 杭州310027