1.一种风力发电机组变桨距控制方法，其特征在于，该方法包括：将强化学习和滑模变结构控制结合起来，采用滑动模态控制器完成对风电机组桨距角的基本控制，运用Actor-Critic强化学习补偿寻优算法，用来自适应补偿扰动、摄动和系统未建模部分对整体性能的影响，达到优化控制的目的，弥补传统方法基于模型的不足；

通过测量风力机转速反馈与参照速度得出转速偏差，经过状态转换后，作为滑动模态控制器的输入量，控制器根据偏差发出桨距角控制量命令，取滑模面为：s(x)＝c1x1+x2，c1为滑模参数，x1，x2为系统状态，设计准滑动模态控制器为：

其中

其中 kβ

为增益系数，ωe为电磁角速度，NP为发电机转子的极对数，ρ为空气的密度，Cp为风能利用系数，B是发电机的摩擦系数，J是风轮发电机整体转动惯量，R为风力机叶片半径，ν为风速，τβ为桨距角响应时间常数，β为实际桨距角，Δ为边界层，λ为叶尖速比，K为系数。

2.根据权利要求1的风力发电机组变桨距控制方法，其特征在于包括：算法结构由两部分组成：动作(Actor)网络和评价(Critic)网络；

Actor-Critic算法中使用RBF网络来逼近动作函数和评价函数，隐层节点基函数使用高斯型核函数，第j个节点的输出为：T

cij＝[c1j，c2j]

m为隐层神经元个数，cij为第j个节点的中心向量，bj为宽度，x(t)为网络的输入向量，t为时间；

控制输出由Actor和随机扰动构成，m个节点到Actor和Critic的输出分别定义如下：wa，wc分别为隐层到输出层Actor和Critic的权值；

V(t)为值函数，也就是未来折扣奖赏和，是当前动作对未来环境影响的预测评价信号，V(t)越大表明学习效果越好。

3.根据权利要求1的风力发电机组变桨距控制方法，其特征在于包括：针对系统反馈只有转速的情况将强化信号r(t)设置如下：r(t)＝k1r1(t)+k2r2(t)

*

r1(t)为误差信号，r2(t)为误差变化率信号，e(t)是误差，wr是风机转速，wr 是参考转速；k1，k2分别为误差和误差变化率强化信号系数，ε为容许误差带，t为时间；

此种定义的强化信号既可以体现当前的动作是否符合设计要求，还可以与邻近动作进行对比进而修改行为策略。

4.根据权利要求1的风力发电机组变桨距控制方法，其控制系统学习步骤如下：Step1结合风电机组各项特性系数，初始化滑模变结构控制和强化学习各项参数；

Step2利用传感器采得风机转速值，控制系统分别计算滑模变结构控制和强化学习控制输出的控制信号；

Step3将叠加的控制信号作用到桨距角执行机构中；

Step4继续采得风机转速值，得到下一时刻状态变量；

Step5控制器根据内部算法对自身参数进行更新，优化结构；

Step6判断当前控制器是否满足控制要求；

Step7如果满足则控制器学习完毕，否则继续运行Step2；

控制器根据不同的外界环境，通过迭代在线调整控制器参数，实现系统的不断优化。