Los generadores síncronos virtuales (VSG) con características de inercia son generalmente adoptados para el control de generadores distribuidos (DG) con el fin de imitar un generador síncrono. Sin embargo, dado que la cantidad de inercia virtual en el control de VSG generalmente es constante y dada por ensayo y error, las oscilaciones de potencia real y frecuencia de un sistema de almacenamiento de energía de batería (BESS) que ocurren bajo variación de carga resultan en la degradación del rendimiento de control del DG. Por lo tanto, en este estudio, se propone una novedosa metodología de estimación de inercia virtual para estimar valores adecuados de inercia virtual para VSG y para suprimir la salida de potencia real y las oscilaciones de frecuencia del DG bajo variación de carga. Además, para mejorar la función del estimador de inercia virtual propuesto y las respuestas transitorias de la salida de potencia real y la frecuencia del DG, se propone un controlador de red neuronal difusa de onda probabilística de Petri entrenado en línea (PPWFNN) para reemplazar al controlador proporcional integral (PI). La estructura de la red y el algoritmo de aprendizaje en línea que utiliza retropropagación (BP) del PPWFNN propuesto se representan en detalle. Finalmente, sobre la base de los resultados experimentales, se puede concluir que un rendimiento superior en términos de salida de potencia real y respuesta de frecuencia bajo variación de carga se puede lograr utilizando el estimador de inercia virtual propuesto y el controlador inteligente PPWFNN.