课题以大规模风电储能逆变控制为研究背景,应用改进遗传算法优化的深度置信网络进行锌溴液流电池及其逆变控制建模基础之上的PI数值优化控制研究。以提高PCC并网电压稳定性为优化目标,根据网侧负载及直流母线电压变化实时调整逆变器的双闭环PI参数,增强风机出力波动及PCC负载突变等情况下电池逆变响应速度的快速性与控制精度的鲁棒性。为搭建锌-溴液流电池等效电路,推导了液流电池相关变量的数学表达式,并利用充放电实验测试所建等效电路。为了在储能逆变控制过程中监控储能装置的电量情况,以便实时调整充-放电状态,采用改进遗传算法优化的深度置信网络（Improved Genetic Algorithm-Deep Belief Network,IGA-DBN）对锌溴液流电池的荷电状态值进行估算,所得结果满足电池状态监控需求。为进行风电并网仿真实验,搭建基于双馈风机的风电并网仿真模型。仿真实验结果表明当风速等突变时,风机并网电压将发生较大波动,且电压电流畸变率较大,直接并网时会对电网造成一定的冲击。本文正是基于此类问题出发,开发以锌溴液流电池为储能装置的变流控制策略,用于抑制风机出力波动对电网稳定性造成的冲击。为提升储能变流器的响应速率,提出改进遗传算法优化的PI控制策略,依靠改进遗传算法逐代进化,留优弃劣能力,获取不同工况下所适宜的PI数值组合。为了适应各种不同工况,提出利用改进遗传算法所获取的数据训练深度置信网络,从而使得系统能够根据实际情况,实时对PI参数数值组合进行调整,达到兼顾系统稳定性的前提下,变流器快速响应的效果。基于深度置信网络的训练过程对初值的依赖度较高,随机选取可能会导致DBN训练时长加大,陷入局部最优等问题,提出利用改进遗传算法对DBN的初值进行迭代优化。搭建系统仿真模型,实现储能装置抑制电压波动的功能,并对优化控制策略进行调试,获取风速突变等工况下的仿真结果。为对所提的IGA-DBN优化的储能变流控制策略进行验证,搭建锌-溴液流电池储能实验装置。实验分析表明,所做研究可将风电并网电压波动率降至5%以下,电压与电流畸变率可分别降至4%与8%以下（满足国家GB/T-14549-93的标准要求）,电池并网逆变时间小于20ms。论文工作可为当前亟待处理的弃风（弃风率30%）严重问题提供参考。