Hầu hết các nghiên cứu về chất lượng điện năng của các tuabin gió kết nối với lưới điện đã thu hút được sự quan tâm đáng kể của các nhà khoa học trên thế giới. Các nghiên cứu tập trung chủ yếu vào các khía cạnh điều khiển cho hệ thống máy phát điện gió bao gồm: điều khiển góc nghiêng, điều khiển MPPT và điều khiển bộ biến đổi của DFIG. Các kỹ thuật điều khiển truyền thống và điều khiển thông minh cho hệ thống máy phát điện gió được nhiều tác giả quan tâm trong thời gian gần đây.
Các nghiên cứu điều khiển góc nghiêng cánh của tuabin để giữ máy phát làm việc với công suất phát định mức thông qua việc giảm góc nghiêng cánh tuabin [38], [39], [40]. Một số cách tiếp cận điều khiển góc nghiêng cánh thông qua logic mờ [41] và thuật toán thông minh [42],[43]để đạt được hiệu quả điều khiển tốt hơn các phương pháp điều khiển thông thường. Thuật toán GA trong [42] được sử dụng cho việc điều khiển bộ MPPT của tuabin gió để có được giá trị tối ưu và hệ số công suất cực đại. Khi tốc độ gió thay đổi, bộ điều khiển được thiết kế có thể bám công suất cực đại trong các điều kiện khác nhau khi tốc độ gió thấp hơn tốc độ gió định mức. Từ kết quả mô phỏng Matlab/ Simulink, nghiên cứu này đã cho biết: việc sử dụng bộ điều khiển thông minh áp dụng cho máy phát điện gió DFIG sẽ giúp DFIG có hiệu suất làm việc tốt hơn thông thường.
công suất tác dụng và phản kháng, đảm bảo sự bám theo điểm công suất cực đại MPPT của tuabin gió. Kết quả cho thấy: bộ điều khiển PI khi được tối ưu bằng thuật toán PSO mang lại kết quả tốt hơn khi so sánh với phương pháp truyền thống xét về chỉ số hiệu suất. Dòng điện stator với bộ điều khiển PI sử dụng thuật toán PSO bám tốt hơn, hiện tượng quá dòng trong mạch stator được giảm xuống khi khởi động. Về chỉ tiêu THD, dòng điện stator khi sử dụng bộ điều khiển PI truyền thống có THD cao hơn (17,67%) so với dòng điện stator trong trường hợp PI sử dụng thuật toán PSO (15,70%). Trong nghiên cứu [53], các tác giả này cũng sử dụng thuật toán PSO để tìm kiếm tham số tối ưu của bộ điều khiển và phối hợp nhiều bộ điểu khiển của các máy phát điện DFIG. Kết quả nghiên cứu cho thấy: quá trình tìm kiếm khi sử dụng PSO dễ ràng triển khai và tìm kiếm nhanh hơn các phương pháp truyền thống [34], [35], [36], [37] hiệu suất của tuabin được nâng cao, khả năng vượt qua sự cố được cải thiện. Các thông số tối ưu đã được minh chứng trên hệ thống một và nhiều máy phát. Tham số trong bộ điều khiển PI được xác định thông qua PSO đã góp phần nâng cao chất lượng điều khiển trong thời gian quá độ [54].
Có nhiều nghiên cứu khác đề xuất thuật toán để tối ưu tham số bộ điều khiển phía rotor nhằm cải thiện suy giảm dao động của hệ thống tuabin gió sử dụng máy phát điện DFIG như: Giải thuật di truyền - GA [44], Thuật toán bày đàn – PSO [45], [46], [47], [48], [49], Thuật toán tối ưu trọng trường - GSA [50], Thuật toán sói xám-GWO [51], Mạng nơ-ron nhân tạo - ANN [52], [54], [55] cũng đã đạt được một số kết quả nhất định.
Theo nghiên cứu [52], các tác giả đã sử dụng trí tuệ nhân tạo (Artificial Neural Network - ANN) áp dụng cho bộ điều khiển của máy phát điện DFIG nối lưới điện và so sánh với bộ điều khiển PI truyền thống. Việc phân tích ổn định tín hiệu nhỏ với bộ điều khiển sử dụng ANN đã huấn luyện có thể lựa chọn được các thông số tối ưu theo dải tốc độ gió biến thiên. Các tham số được huấn luyện bởi thuật toán ANN và đưa ra các giá trị của bộ điều khiển (phía lưới và phía máy phát) trong các kịch bản: khi hệ thống gặp sự cố và khi hệ thống hoạt động bình thường. Ưu điểm của thuật toán ANN áp dụng trong nghiên cứu này là: có thể xử lý song song nên tốc độ xử lý nhanh, có thể huấn luyện để xấp xỉ một hàm phi tuyến bất kỳ, đặc biệt là khi đã biết một tập dự liệu vào/ra; đảm bảo điện áp ổn định khi làm việc với lưới điện, ít bị nhiễu,
đảm bảo sai lệch tiến về không và chất lượng tốt hơn bộ điều khiển PI truyền thống. Tuy nhiên, nhược điểm cơ bản của phương pháp này là khó giải thích rõ ràng hoạt động của mạng, việc điều chỉnh trong mạng ANN rất khó khăn. Kết quả nghiên cứu nhận thấy: đáp ứng hệ thống với bộ điều khiển PI chậm, hệ thống mất một khoảng thời gian khá lớn để hệ thống đạt được công suất như mong muốn.
Trong nghiên cứu [51], đã đưa ra thuật toán bắt chước tập tính săn mồi của loài sói xám GWO (Grey Wolf Optimizer) để tối ưu hóa tham số của bộ điều khiển PI trong bộ biến đổi phía máy phát và phía lưới điện của máy phát điện gió, nhằm cải thiện hoạt động quá độ của DFIG khi tốc độ gió thay đổi. Kết quả cho thấy thuật toán tối ưu sói xám được chứng minh hiệu quả hơn trong việc tìm kiếm kết quả tối ưu toàn cục so với phương pháp truyền thống; khi tốc độ gió thay đổi thì công suất phản kháng của máy phát gần như không đổi.
Nghiên cứu [50], áp dụng thuật toán tối ưu trọng trường GSA (Gravitational Search Algorithm) để thiết kế bộ điều khiển cho máy phát điện DFIG. Bộ điều khiển PI với các tham số tối ưu sẽ được ứng dụng điều khiển công suất tác dụng và công suất phản kháng của máy phát điện. Các tham số của bộ điều khiển được xác định theo hàm mục tiêu (ITAE). Kết quả so sánh với thuật toán GA và PSO cho thấy, thời gian đạt trị số tối ưu khi sử dụng thuật toán GSA (settling time) của các biến đầu ra giảm xuống nhanh khoảng 0,38s, công suất phản kháng mất 0,47s, trong khi tối ưu bằng thuật toán GA và PSO mất 0,72s. Nghiên cứu này đã kết luận: với bộ điều khiển tối ưu bằng thuật toán GSA có thể làm giảm dao động một cách hiệu quả khi có nhiễu, chất lượng điều khiển tốt hơn so với việc sử dụng điều khiển tối ưu áp dụng thuật toán GA hay PSO.