در چند دهه ی اخیر استفاده از انرژی های نو به دلیل مشکلات زیست محیطی و اتمام سوخت های فسیلی در آینده ای نزدیک، مورد توجه بسیاری از کشورها قرار گرفته است. استفاده از توربین های بادی به عنوان یکی از گزینه های تولید انرژی که در نقاط نسبتاً زیادی از زمین قابل استفاده است، محققان را علاقه مند نموده تا تحقیقات بیشتری پیرامون این مبدل انرژی انجام دهند. از مهم ترین فاکتورهای تاثیرگذار بر روی توان تولیدی توربین بادی، سرعت باد است که همواره در حال تغییر می باشد. تغییراتی که در ساختار مکانیکی و الکتریکی توربین های بادی انجام گرفته، باعث افزایش توان خروجی و پایین آمدن هزینه ی تولید برق شده است. اما همواره در کنار این تغییرات، روش های کنترلی متفاوتی نیز با هدف افزایش کارایی توربین های بادی ارائه گشته است که دارای معایب و مزایایی می باشند. یکی از روش های کنترل توان توربین های بادی، تغییر زاویه ی پره توربین بادی متناسب با تغییرات سرعت باد است. در گذشته روش های مختلفی از جمله کنترل کننده ی pid برای این هدف استفاده شده که با توجه به گستره ی تغییرات سرعت باد و غیرخطی بودن مدل سیستم کارایی چندانی نداشته است. به همین دلیل محققان از روش های هوشمند (مانند شبکه های عصبی) برای کنترل توان توربین بادی استفاده نمودند که پاسخ های قابل توجهی نیز دریافت نمودند. در این پایان نامه قصد داریم روشی مبتنی بر شبکه های عصبی را برای کنترل زاویه های پره بر روی یک مدل غیرخطی از توربین بادی پیاده نمائیم که با تنظیم ضرایب کنترل کننده ی pid کیفیت توان تولیدی را نسبت به تغییرات سرعت باد افزایش دهد. در این روش که مبتنی بر روش فیلتر کالمن توسعه یافته است، ابتدا با به دست آوردن مدل عصبی سیستم و سپس آموزش آنلاین این مدل همواره تخمینی از خروجی لحظه ی آینده را به دست می آوریم که این خروجی ملاکی برای تعیین ورودی مطلوب از طریق تنظیم ضرایب کنترل کننده ی pid بوده و بهترین زاویه ی پره را به عنوان ورودی کنترلی به توربین بادی اعمال می کنیم. در پایان با مقایسه ی نتایج شبیه سازی ها با کنترل کننده ی pid معمولی مزایای این روش را نشان می دهیم. با بررسی پاسخ های به دست آمده از این روش و مقایسه ی آن با کنترل کننده های کلاسیک شاهد فراجهش بسیار کم و کاهش نوسانات زاویه ی پره و توان تولیدی در هنگام تغییرات باد بوده و بسیار سریع تر به مقدار توان مطلوب میل می نماید.