风能作为一种无污染、可循环利用的能源,储量丰富且分布广泛易取用。然而在实际应用时发现,风能具有持续性不足、不确定性强、随机性强等客观缺陷。偏航控制主要根据风向实时变化调整风机偏航动向,是风机实现高效安全运行的基础保障。因此,准确的风向预测和偏航控制是实现风机高精度控制的基础。针对上述问题,研究主要从以下几方面展开:(1)针对风向序列具有波动性、混沌性等特点,研究对相应风向数据的混沌特性进行分析;在此基础上,采用了多数据处理算法结合的综合数据分析方法,对输入风向数据进行数据信息的特征提取;(2)为了实现高精度的风向预测,研究提出了一种基于改进优化算法的深度置信网络,对风向数据进行深度预测;即采用了基于改进的FPA算法,对三层深度置信网络的网络参数进行优化,并采用优化后的网络,实现风向数据预测。最后,研究采用了基于LSSVM的误差分析方式,进一步提高模型精度;(3)在上述风向模型的基础上,研究探究了偏航优化的实现方式,即利用多目标优化算法—NSGA2算法,以最大化风力发电效率和最小化偏航调节载荷为优化目标,建立风电偏航系统优化模型,对连续时间段内的偏航调节进行优化。本课题使用北方某风电场的实际监测数据训练搭建的模型,训练结果表明:本课题所提出多处理组合模型的预测精度高,模型稳定性好,能实现对风向的综合预测,进而为偏航优化提供保障;对风电企业经济、安全生产有一定意义。