常规电源逐步被新能源电源替代、交直流混联的新型网架结构等加大了新能源电力系统扰动后频率失稳风险,亟需开展扰动后频率态势在线预测及紧急控制的研究。传统模型驱动方法存在计算速度与精度的矛盾,难以满足系统复杂多变运行方式与扰动条件下在线应用的需求。为此,论文提出了基于深度学习的新能源电力系统扰动后频率在线预测与紧急控制方法,主要工作如下:构建了新能源电力系统频率特性动态模型,基于DIgSILENT/PowerFactory软件仿真分析了扰动后频率时空分布特性与逆变型电源的频率调节效应。考虑互联多区域电力系统频率动态的差异性,提出了单区域电力系统频率动态低复杂度建模方法,基于参数辨识方法,提出了适用于多类型调频资源的广义机组频率响应模型,并通过仿真对比验证所提模型的有效性。针对新能源电力系统的频率在线预测问题,提出了一种基于狄利克雷过程高斯混合聚类-长短期记忆网络（DPGMM-LSTM）的频率态势在线预测方法。该方法通过分析新能源电力系统频率动态特性及PMU实测数据特性选取训练特征量,采用DPGMM聚类新能源场站有功-频率控制方式并将其加入模型训练特征集,最终以LSTM异步的序列到序列模式作为预测框架,实现新能源电力系统频率态势的在线滚动预测。基于IEEE 10机39节点分区系统和IEEE 118节点系统进行测试,结果验证了所提方法的高精度、强泛化能力及抗噪性。针对新能源电力系统的频率紧急控制问题,提出了基于模型预测控制（MPC）的电网扰动后储能紧急控制策略。该控制策略脱离储能传统虚拟惯量-下垂控制,以储能参与系统调频的预测频率偏差与系统调频成本之和最小为目标函数,利用MPC算法进行优化求解。通过IEEE 10机39节点区域系统的测试,结果表明MPC控制相较于自适应附加惯量控制具有更优越的调频效果,相较于仅以预测频率偏差最小的目标函数设定,进一步实现综合效益的最优化。