随着全民环保意识的不断提高,社会对于可再生能源:风能、光能、氢能的需求不断上升。随着各地对于新能源政策的出台,各项与氢能相关的产业不断发展,大力地促进了相关产业地发展,新能源发电储存就是其中一项。然而风光电出力与负荷特性不匹配等特点,使新能源并未被有效利用,弃风弃光较多。而多储能系统的功率调配问题致使新能源发电系统的稳定性较差。为解决这一问题,新能源储能及各个储能模块间的功率调控问题重新走向了人们的关注焦点。本文在考虑过极端风机出力情况后,以风光氢储混合能源发电系统为研究对象,通过对风力机、永磁同步风电机组、光伏发电机组、电解槽、燃料电池、储能系统的原理分析及模型构建,得到各个系统的子控制方案。并基于光伏/储能蓄电池组,建立直流微网系统,通过仿真-实验的模式,验证光伏/储能系统在光伏出力受到干扰后的系统运行情况。在此基础上提出基于深度学习的风力发电功率预测,经过定量分析影响风力机出力的主要因素,对主要因素的数据进行训练,训练结果经过仿真对比验证,使用BP神经网络算法用于风能的功率预测,建立各个储能系统的功率分配策略,将能量分配控制系统与BP神经网络算法相结合,使用风光氢混合能源发电系统仿真验证其有效性。仿真设定混合能源系统经过了从并网至离网的完整过程,并在其中设定风速的快速变化,以验证功率流动方案在各个模式下的运行情况及有效性。在光伏/储能系统构建的直流微网系统中,根据仿真结果得知,在负载变动或出力变动较大时,储能系统反应迅速,经过V-Ets-solar-F3实验平台验证,光伏电池实际输出电流电压与仿真值接近,蓄电池最终输出电压与仿真值结果近似,证明所建模型及控制方案的有效性。在风光氢储混合能源发电系统中,根据系统仿真结果可得,在负荷反复变化过程中,各储能系统分配功率合理,实现了功率的可预测可控制。