基于深度学习负荷预测与模型预测控制的水电站AGC协同优化方法及装置

本发明公开了一种基于深度学习负荷预测与模型预测控制的水电站AGC协同优化方法及装置，属于水电站自动控制技术领域，包括：获取包含电网、厂内和外部环境的多源实时数据；对数据进行预处理得到特征数据；将特征数据输入至混合深度学习预测模型，得到未来ACE预测序列；基于该预测序列和机组动态模型，采用MPC策略在线滚动求解一个综合了功率跟踪精度、机组调节磨损、运行效率及稳定性的多目标优化函数，得到最优控制指令；最后下发该指令给机组执行。本发明通过高精度预测与多目标优化控制相结合，实现了从被动响应到主动预控的转变，能够有效提升AGC控制的精度和综合效益，增强系统运行的安全性和对复杂电网环境的适应性。