风电场出力具有波动性,近年来随着风电场的大规模并网,其对电网的电能质量及稳定性产生较大影响,带来电压稳定和功角稳定等问题。储能技术与风力发电具有互补性,可平滑风电场出力、改善系统暂态响应。由于储能中电力电子设备的大量使用,导致风储联合并网运行系统的稳定性问题相较于传统电网更加复杂。如何准确预测风储联合并网运行系统的暂态稳定性是目前亟需解决的问题之一。本文对风储联合并网运行系统的暂态稳定评估、稳定裕度预测、暂态稳定控制方法等内容进行研究。主要工作如下:提出一种基于多组卷积神经网络（Convolutional Neural Network,CNN）的含风储联合运行电力系统的暂态稳定评估方法。该方法首先采用多二元表评估电压稳定裕度,利用暂态稳定指标（Transient Stability Index,TSI）评估功角稳定裕度。然后根据裕度值进行稳定分类,达到仅通过一次模型训练,同时对系统电压和功角进行稳定分类与裕度预测的双重效果。最后,提出一种构造偏移函数提高模型分类准确率的方法。所构造的偏移函数,一方面可增加预测值与分界面的距离,提高模型分类的准确率。另一方面对于暂态稳定性好的样本,通过求反函数便可得到稳定裕度的预测值。提出一种采用遗传算法调控储能出力,改善暂态稳定性的方法。对于存在失稳风险的工况,将样本按风速、负荷率不同进行分类。在确定的风速、负荷率下,以系统暂态电压稳定裕度与TSI之和为目标函数,利用遗传算法寻找使系统暂态稳定性最好的储能最优出力。当系统存在失稳风险时,立即调整储能出力至该最优值,可提高系统暂态稳定性。以风电和储能接入IEEE10机39节点系统作为算例,仿真结果表明:本文构建的多组CNN模型裕度预测误差小、分类准确率高,可同时对系统电压和功角进行稳定分类与裕度预测,所构造的偏移函数使模型分类准确率大幅提高。提出的储能调控措施,可明显改善系统的暂态稳定性。