微電網可以降低分散式電源，尤其是再生能源，影響對電力系統的供電穩定度。本研究提出一種併網型微電網結合虛擬慣量，利用主、從控制法則克服一般傳統分散式電源利用變流器(Inverter)併網之缺點，尤其是缺乏傳統發電機的慣量特性與獨立電網形成能力。本研究的微電網系統控制方法採用主、從控制法則，並且由一儲能系統、太陽光發電系統與一個三相可變電阻負載所組成。其中以儲能系統當作微電網控制主機(Master)而太陽光發電系統則定位為從屬(Slave)部分。為了改善儲能系統在併網模式時的虛功控制以及微電網在併網與孤島模式之間切換的暫態響應，本研究提出一線上訓練的遞迴式機率小波模糊類神經網路(Recurrent Probabilistic Wavelet Fuzzy Neural Network, RPWFNN)取代傳統比例積分控制器。此外，當微電網在孤島模式運轉時，負載的變化將會造成微電網電壓嚴重地波動，因此本研究所提出的RPWFNN也可用來改善因負載變動所造成的微電網電壓波動。本研究詳細推導RPWFNN的網路架構與線上學習法則，並以實驗結果驗證使用RPWFNN之結合虛擬慣量併網型微電網在不同操作模式下之有效性與可行性。

　　台灣未來整體電力系統佈建與調度將由集中型轉變為分散型，為了降低分散式電源（尤其是再生能源），對電力系統供電穩定度的影響，我們可將分散式電源與鄰近負載組成微電網，如封面圖為建立於核能研究所(Institute of Nuclear Energy Research, INER) 的台灣第一個微電網(Microgrid)展示區。微電網與電力系統併聯運轉，稱為併網模式；當檢測出微電網外部發生故障或電力品質未滿足要求時，微電網將即時與電力系統解聯並獨立運轉，稱為孤島運轉模式。微電網在與電力系統併網運轉時，由電力系統平衡微電網內之電力供需；當電力系統發生故障時，微電網可獨立運轉供應負載所需。然而微電網系統中電力電子大部分採用數位電路控制，暫態響應速度快，也不參與電網電壓和頻率的調節，因此沒有傳統同步機的慣量特性。隨著分散式電源併入電網的比例增加，傳統的同步發電機裝機比例減小，電力系統中的旋轉備用容量和轉動慣量相對減小，當負載變化或是外部干擾造成系統震盪，將對電網的整體安全與穩定性將造成嚴重的威脅。

    本研究利用擺動方程式來形成微電網中之虛擬轉動慣量。鑒於電力系統之動態特性，本研究提出一種利用人工智慧機器學習之新型智慧型控制器，結合模糊類神經網路(Fuzzy Neural Network, FNN)的推論能力、小波類神經網路(Wavelet Neural Network, WNN)的準確度、機率模糊類神經網路(Probabilistic Fuzzy Neural Network, PFNN)的隨機處理能力及遞迴式類神經網路(Recurrent Neural Network, RNN)的動態擷取特性之遞迴式機率小波模糊類神經網路(Recurrent Probabilistic Wavlet Fuzzy Neural Networks, RPWFNNs)，並將其應用於微電網系統電壓、虛功率控制，以改善儲能系統在併網模式時的虛功控制以及微電網在併網與孤島模式之間切換的暫態響應。

　　採用主控制策略加入虛擬慣量的微電網控制架構如圖1所示，在併網模式下，微電網的電壓與頻率由電力系統所控制，實功命令與實功 比較後經擺動方程式(Swing Equation)再透過比例積分(PI)控制器得到q軸電流命令；同時虛功命令與虛功 比較後再透過PI控制器或RPWFNN控制器得d軸電流命令。當電力系統發生異常時，微電網需要透過固態繼電器(SSR)立即與電力系統解聯，並且順暢地切換控制法則從實、虛功率控制切換成電壓、頻率控制如圖2所示，相電壓峰值命令 與其回授比較後再透過PI控制器或RPWFNN控制器求得q軸電流命令；頻率命令與回授頻率比較後經由PI控制器後再經由擺動方程式與一PI控制器求得d軸電流命令。孤島模式下，座標轉換所需要的角度由頻率命令轉換為角頻率後，經過積分得到角度命令。

　　林教授在微電網之運轉與智慧型控制技術上之發展包含：新式主動式孤島偵測法、新型磷酸鋰鐵電池儲能系統、三相鼠籠式感應風力發電系統、主動式濾波器演算法與智慧型具低電壓穿透(Low Voltage Ride Through, LVRT)能力之太陽光發電系統。同時，林教授是全世界首先提出以模糊類神經網路為基礎之智慧型控制器以實現併網型太陽光電系統的智慧型控制系統，達成在電網故障期間調控再生能源系統實虛功，以符合低壓穿越的規範，並確保三相變流器的輸出電流為電流安全值。研究成果除發表在IEEE Trans.頂級期刊外，部份研究成果也已技轉多家公司。