随着能源问题的日趋严峻以及各国节能减排政策的不断推进,发展和利用风能已经成为国际大趋势。我国拥有丰富的风能资源,风电在电网结构中的份额会越来越大。因此,随着风电渗透率的不断提高,风能间歇性和波动性的变化对风电并网稳定运行的影响也越来越受到人们的关注。本文以维持风电并网稳定性为研究目的,将双馈风电机组恒压运行的动态特性作为主要研究内容,分别从双馈风电机组的低电压穿越和风电场的无功补偿优化计算这两方面做了较为深入的研究,对当前维持风电并网的稳定运行工作具有一定的现实意义。　　本文首先从双馈风力发电系统的基本结构出发,分析了风力机的数学模型,讨论了双馈感应发电机的基本工作原理,推导并建立了双馈感应电机在同步d-q旋转坐标系下完整的5阶数学模型;在此基础之上,对风电机组的最优风功率捕获控制和感应电机的电流模式控制进行了详细的讨论。　　根据双馈风电机组的低电压穿越原理,搭建了完整的风电系统的仿真模型,对电网电压跌落期间双馈风电机组的动态响应特性进行了深入的分析。针对传统 PI控制器参数不能自适应调整的缺陷,提出了将BP神经网络和PI控制器相结合的优化控制策略,并进行验证分析。仿真结果表明,所提方案能够有效地削弱故障期间的转子暂态电流,缩短了振荡的收敛速度,增强了系统的鲁棒性,从而提高了系统的低电压穿越能力。　　针对风电并网稳定性的要求,对风电场无功补偿容量计算进行研究。分析了含风电场的电力系统潮流计算的方法,并建立了含风电场的电力系统潮流计算模型。以某风电场实际情况为例,计算了系统所需的无功补偿容量,计算结果表明该方法计算准确、符合要求。最后,针对上述方法工作量大、计算繁杂的缺点,提出了一种结合径向基神经网络的风电场无功容量优化算法,并对此进行仿真分析。仿真结果表明,该方法计算准确,且计算复杂度比潮流计算模型低,计算量少,由此可用训练后的径向基神经网络模型代替潮流计算模型,来实时计算风电场无功补偿容量。