風力發電系統的載荷控制是整個系統控制的關鍵。利用魯棒控制算法設計的獨立變槳距載荷優化分布控制器，可使風輪上所受載荷的分布變得均勻，從而減小風電機組的振動，提高控制系統的魯棒穩定性和動態性能。采用全反饋控制方法，重新組成一個該型機組所需的載荷阻尼控制器，實現了對載荷的良好控制。當風速達到額定風速，但是輸出功率卻未達到額定功率時，魯棒控制器可以減小功率波動以及驅動鏈載荷。應用魯棒控制組成的頻率穩定控制器可以穩定由于載荷波動造成的頻率波動，可以達到很強的魯棒穩定裕度。
　　9 人工神經網絡在風力發電系統中的應用

　　人工神經網絡（Neural Network，簡稱NN）通過非線性映射，學習系統的特性，具有近似表示任意非線性函數及其逆的能力，具有高度的自適應和自組織性，能夠學習和適應嚴重不確定性系統的動態特性，具有很強的魯棒性和容錯能力。風速在時刻變化，風速預測不僅與預測方法有關，還與預測周期以及預測地點的風速特性有關。可以利用時間序列——神經網絡法研究短期風速預測，該方法用時間序列模型來選擇神經網絡的輸入變量，選用多層反向傳播BP 神經網絡和廣義回歸神經網絡分別對采樣的風速序列進行預測。此外，也可以采用小波分析和人工神經網絡結合的方法對風力發電功率進行短期預測。利用神經網絡預測風電場的發電量，可以減少功率的波動。采用前向人工神經網絡來實現風速估計的控制策略為系統提供了高性能的動態特性，即使在真實系統中出現的不確定性和風速變化的情況下也能穩定運行。
　　變槳距系統是風電機組研究的關鍵部分。針對變速變距型風電機組的液壓驅動式變距執行機構，可以用基于神經網絡的變槳距控制方法，以解決變槳距機構的非線性、參數時變性、抗干擾和滯后性控制問題。基于彈性自適應人工魚群-BP 神經網絡的槳距控制器可以使風電機組在變化的風力中獲得最大的能量并使轉速、功率和機械負載變化最小。為了實現最大風能捕獲提出了基于人工神經網絡的控制器，該控制器結合了發電機的預測模型和神經網絡控制技術。
　　將BP 算法尋優具有精確性與遺傳算法全局尋優的優點相結合，提出一種新的BP 神經網絡算法，該算法用于風電機組齒輪箱故障的診斷，提高其工作的可靠性。Elman 神經網絡可以降低網絡對參數調整的敏感性，有效抑制局部極小值的出現，因而Elman 神經網絡用于故障診斷能識別出風力發電機組齒輪箱故障類型，從而對齒輪箱進行有效的故障判別。
　　神經網絡適用于非線性系統，且不需要精確的數學模型，通過自學習可以實現良好的控制效果，能夠實現電能質量的優化。神經網絡可以用于風力機動力學分析中，其具有很強的容錯能力，對于風電機組模型的不確定性，將神經網絡控制技術與其他的控制技術相結合，可以建立有效的數字信號處理器和其他設備控制器。由神經網絡和模糊邏輯技術的控制器可以用于載荷頻率控制，控制器中的動態模糊網用于自適應載荷頻率控制設計中，該控制器可以減小載荷，具有良好的魯棒性和有效性。
　　10 模糊控制理論在風力發電系統中的應用
　　模糊控制是一種基于語言規則、模糊推理的高級控制策略，是智能控制領域最活躍、最重要的分支之一，截至目前，模糊控制以現代控制理論為基礎，同時結合人工智能技術、神經元網絡技術、仿人職能技術，并因其具有自身優點，在風力發電控制領域得到了空前的發展。
　　變槳距系統是風電機組當中重要的組成部分，其性能的好壞對風電機組的安全性、使用壽命、電能質量產生重大的影響。在高于額定風速工況下運用了模糊變槳控制來限制功率，在一定程度上解決了風電系統數學模型復雜、受參數變化和外部干擾嚴重、系統非線性、時變、強耦合等困難。