1.一种风力发电机组高风速区LQG优化控制方法，其特征在于，包括以下步骤：(1)运用机理分析的方法建立风电机组的非线性数学模型，数学模型包括空气动力系统模型、传动系统模型、变桨执行机构模型和风力发电机模型；

(2)采用泰勒级数展开的方法在典型工况点附近对风力发电机组模型进行线性化处理，并将模型参数分为常数参数估计值和不确定部分，从而得到风力发电机组的线性化状态空间模型；

(3)在状态反馈调节器之前添加一个积分控制器，构造增广系统的状态方程；

(4)设计具有积分作用的LQG控制器；

(5)采用粒子群算法对所设计的控制器的加权矩阵参数进行优化，得到最优性能指标。

2.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述空气动力系统模型：空气动力系统的核心设备是风轮，当外部风速为v时，风轮捕捉的有用功率为 其中，ρ为空气密度，Rb为风轮半径，v为风速，Cp为风能利用系数；

风能利 用系数Cp是桨距角和叶尖速比的非线性函数，可以表示为：其中，β为桨距角，λ为叶尖速比；

叶尖速比λ的定义为： 其中，ωr为风轮角速度；

风力所产生的气动转矩为

3.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述传动系统模型：传动系统由高速轴和低速轴通过齿轮箱相互连接而组成，采用双质量块模型；

低速轴的动力学方程可表示为：

其中，Jr为风轮转子的转动惯量，ωr为低速轴

角速度；Ta为气动转矩，Tls为低速轴转矩，Kd、Bd分别为刚性轴的扭转系数和阻尼系数，表示低、高速轴的扭转程度；

高速轴的动力学方程可表示为： 其中，Jg为发电机的转动惯量，ωg为高速轴角速度，Ths为高速轴转矩，Tg为发电机转矩。

4.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述变桨执行机构模型：变桨执行机构采用一阶惯性环节模型 其中，β为叶片桨距角，βref为叶片桨距角的给定值，τ为桨距角调节的等效时间常数。

5.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述风力发电机模型：采用双馈异步发电机的简化模型： 其中，τg为转矩系数；Tg,ref为发电机转矩给定值；

发电机输出功率为：Pe＝Tgωg。

6.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述步骤(2)中，根据步骤(1)获得的风电机组的非线性数学模型，采用泰勒级数展开的方式在典型工况点(v0,ωr0,β0)附近对气动转矩Ta进行线性化处理，得：ΔTa＝αΔv+γΔωr+ξΔβ，其中Δωr＝ωr-ωr0，Δv＝v-v0，Δβ＝β-β0为各变量相对于平衡工作点的偏移量，为常数参数；

系统中其他变量的线性化可采取上述方法；

将上述三个常数参数分解为常数参数估计值和不确定部分，即：其中， 为常数参数的估计值，Δα、Δξ、Δγ为常数参数的不确定值；

T

以增量Δ作为变量，取状态变量Δx＝[Δωr Δωg ΔThs ΔTg Δβ] ，控制变量Δu＝[ΔTg,ref Δβref]T，输出变量Δy＝[Δωg ΔPe]T，干扰输入Δd＝[Δv Δωr Δβ]T，根据步骤(1)中的风力发电机组模型，运用上述线性化方法，可得风力发电机组线性化状态空间模型：Δy(t)＝CΔx(t)；

其中，

在典型工况点(x0,y0,u0,v0)附近任一点处，最终状态变量、输出变量、控制变量、扰动变量分别为x＝x0+Δx，y＝y0+Δy，u＝u＝u0+Δu，v＝v0+Δv。

7.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述步骤(3)中，在状态反馈调节器之前设置一个积分控制器；

设跟踪误差为e(t)＝r(t)-y(t)，其中，r＝[ωg,ref Pe,ref]T为输出变量的给定值；

将xi作为附加的状态向量，构造增广系统的状态方程：

8.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述步骤(4)中，最优控制的目标函数为：其中，Q＝

diag(q1,q2,q3,q4,q5)为5维半正定状态加权系数矩阵，Qe＝diag(qe1,qe2)为2维半正定误差系数矩阵，R＝diag(r1,r2)为2维正定输入加权系数矩阵，ΔxTQΔx是用以衡量状态量偏离平衡点大小的代价函数；

使上述目标函数最小的最优控制律为： 其中，K为原系统的最优状态反馈矩阵，Ki为积分器增益矩阵，K’为增广系统的最优状态反馈矩阵。

9.根据权利要求1所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述步骤(5)中，采用粒子群算法对所设计的控制器的加权矩阵参数进行整定，将步骤(4)中定义的目标函数作为粒子群算法的适应度函数，为使适应度函数值最小而进行迭代寻优，以满足性能指标最优。

10.根据权利要求9所述的风力发电机组高风速区LQG优化控制方法，其特征在于，所述步骤(5)中的用粒子群算法整定加权矩阵参数的步骤为：Step1：初始化一个规模为200的粒子群，任意粒子i的位置均为一个9维向量Xi＝(xi1,xi2,...,xi9)；

Step2：依次将每个粒子的向量位置元素xi1,xi2,...,xi9赋值给q1,...,q5,qe1,qe2,r1,r2，依次计算增广系统的最优状态反馈矩阵K’；

Step3：风电控制系统运行仿真，并计算此权重参数下的性能指标适应度函数值；

Step4：将每个粒子的适应度函数值同其经历过的最好位置的适应度函数值作对比，若更好则将其作为当前的最好位置；

Step5：将每个粒子的适应度函数值同全局经历过的最好位置的适应度函数值作对比，若更好则将其作为当前的全局最好位置；

Step6：根据下列两式分别更新粒子的速度和位置：

vid(t+1)＝wvid(t)+c1r1(pid(t)-xid(t))+c2r2(pgd(t)-xid(t))，xid(t+1)＝xid(t)+vid(t+1)，

其中，vid(t)、xid(t)为t时刻粒子i第d维的速度和位置；vid(t+1)、xid(t+1)为t+1时刻粒子i第d维的速度和位置；w称为惯性权重因子，其取值范围为0.4～0.9。c1和c2分别称为认知学习因子和社会学习因子，一般取值为0.5；r1和r2为相互独立的随机数，它们在[0,1]区间内服从均匀分布；

Step7：当达到最大迭代次数或满足最小精度时，给出加权矩阵的最佳参数q1,...,q5,qe1,qe2,r1,r2，否则返回Step2。