本發(fā)明公開了一種基于深度強(qiáng)化算法的水電站廠內(nèi)實(shí)時(shí)優(yōu)化調(diào)度方法，用于求解水電站廠內(nèi)實(shí)時(shí)優(yōu)化調(diào)度。水電站廠內(nèi)實(shí)時(shí)優(yōu)化調(diào)度是調(diào)整日前發(fā)電計(jì)劃的重要環(huán)節(jié)，是電力系統(tǒng)經(jīng)濟(jì)運(yùn)行問題中的一個(gè)重要問題。本發(fā)明針對電網(wǎng)負(fù)荷預(yù)測與日前發(fā)電計(jì)劃偏差量的最優(yōu)調(diào)整展開研究，首先將水電站廠內(nèi)實(shí)時(shí)調(diào)度問題轉(zhuǎn)換為馬爾科夫決策過程，然后應(yīng)用Deep Q?Learning深度強(qiáng)化學(xué)習(xí)算法對其求解，最后，得到水電站廠內(nèi)實(shí)時(shí)滾動(dòng)運(yùn)行策略，運(yùn)用于實(shí)際的水電站廠內(nèi)實(shí)時(shí)調(diào)度策略的制定。本發(fā)明基于數(shù)據(jù)驅(qū)動(dòng)的思路，能有效解決水電站廠內(nèi)實(shí)時(shí)優(yōu)化調(diào)度問題，且在應(yīng)對突發(fā)情況時(shí)也有很好的魯棒性。