作为清洁的可再生能源,风电能够在避免环境污染的同时,有效地减少人类社会对不可再生能源的需求,且保证了社会经济能够稳定可持续发展,所以大力开发并利用风能资源具有重要意义。而提高风能的利用率是风电发展的关键,因此如何有效解决风电场并网问题并提高并网电能质量值得人们所关注。课题以抑制风电场并网电压的波动为研究背景,在利用STATCOM进行无功补偿的基础上,提出了基于风机输出功率预测的STATCOM优化控制策略对电压波动进行抑制,为解决风电场弃风问题提高风能利用率提供了一定的思路。本文的主要研究内容如下:首先通过分析风电场并网系统的线路结构及并网特点,确定了并网电压波动主要是由变化的无功功率所造成的,并基于抑制电压波动的研究目的,提出了利用STATCOM装置对系统进行无功补偿的方案。同时对传统的STATCOM控制策略进行研究与分析,得出了传统控制策略在风电场特殊工况下应用具有一定局限性并还需做出改进的结论。为了改进传统控制策略,令STATCOM在不同风机出力下均具有良好的动态性能,对风机输出功率的变化规律进行了研究。通过对传统单一的神经网络预测模型与集成神经网络预测模型进行研究与比较,课题提出的基于Bagging法将优化小波神经网络与径向基函数神经网络组合形成的集成学习预测模型在风机输出功率预测上具有较高的预测精度,可应用于传统STATCOM控制策略的优化当中。在预测功率变化的基础上,本文通过分析STATCOM前馈解耦的双闭环结构特征,给出了电流内环与电压外环能够按照预测功率变化等级分别进行PI参数整定的控制策略。其中电流内环采用变阻尼系数的参数整定方案,电压外环则采用由动态性能约束的基于吴消元法的参数整定方案。仿真验证了在整定后的PI参数下,STATCOM在不同工况下的动态性能均满足课题要求。最后为了验证本文提出的理论方法在实际应用中的可行性,课题搭建了风电场并网系统的实验平台,实现了基于功率预测的参数优化控制策略下的STATCOM在电压波动抑制中的应用。实验结果显示在不同的功率变化等级下,电压波动抑制的平均响应时间均小于10ms,满足并网系统对电压波动抑制响应速度的要求。