根据当前世界能源的形势,风力发电作为新能源中技术最成熟、最具规模开发条件和商业化发展前景的发电方式之一,已成为各国学者竞相研究的热点。双馈风力发电机具有变频器功率小、功率因数高、动态性能稳定等优点,而且非常适用于中小容量伺服领域和高精度、高动态响应伺服场合。因此,双馈风力发电机是目前风力发电采用最广泛的机组类型。但由于双馈风力发电机又具有严重的非线性、强耦合、参数时变等特性,而且电机中的调节器大多采用PI控制为主。当工况参数发生较大变化时,常规的PI控制器很难获得满意的控制效果。因此,为了提高双馈风力发电机的动态性能,解决双馈风力发电机非线性、参数时变等问题,必须寻找到先进的参数辨识控制策略。　　 本文就是针对以上问题,提出了基于机器学习的双馈风力发电机参数辨识研究。本次研究分别实现了BP神经网络和支持向量机的PI参数辨识及双馈电机参数辨识的控制任务和仿真模型。实验结果表明:虽然这两种方法在参数辨识过程中仍存在一些各自的缺点,但是与传统的双闭环PI控制相比,这两种策略无需繁琐的坐标旋转变换,可以有效减小负载扰动的影响,加强了双馈风力发电机PI控制器的抗扰动能力,进一步提高控制系统的鲁棒性和电网电能质量。本文的结论也为机器学习应用在双馈风力发电机控制之外的其它参数辨识领域提供了一定的参考价值。