1.一种可拓展深宽度自适应动态规划的智能发电控制方法，其特征在于，可通过自动拓展深度神经网络深度和宽度来适应网络拓扑结构变化；具体表现为当接入电网三态能源类型数量改变，算法自动调整学习深度即深度神经网络层数以适应系统结构复杂性；自动调整学习的宽度即深度神经网络神经元数以适应接入网络拓扑的变化；能够适应三态能源接入系统后对有功随机性波动的控制，且将会以统一的调度指令和最小的延迟作用于智能发电系统；与传统深度自适应动态规划算法不同，所提可拓展深宽度自适应动态规划算法通过训练系统运行历史参数，自动调整学习率实现对输入系统不同类别能源的准确响应和快速计算，特别是对于“即源即荷”的三态能源的随机性负荷接入电力网络控制具有较强的鲁棒性和稳定性。

2.如权利要求1所述的一种可拓展深宽度自适应动态规划的智能发电控制方法，其特征在于，该方法框架突破了以往基于神经网络的自适应动态规划发电控制方式，在深宽度自适应动态规划算法基础上加以可拓展深宽度模型预测网络；以深宽度强化神经网络替代深度神经网络，使得系统在发电功率分配控制学习上具有较强的认知能力；通过对发电控制策略模型进行改进，该方法能够处理更为复杂的网络系统，预测系统下一时刻有功状态的准确性得到提高。

3.如权利要求1所述的一种可拓展深宽度自适应动态规划的智能发电控制方法，其特征在于，可在线自适应拓展学习深度和宽度；与传统深度自适应动态规划算法不同，所提可拓展深宽度自适应动态规划算法可以随接入系统的数据类型变化在线拓展网络模型结构；

以电力系统为例，当系统的网架结构发生改变，电源或三态能源的断开或接入时，调整深度学习网络深度和宽度，通过深宽度学习系统运行历史数据和网络特征实现有功的自动控制。

4.如权利要求1所述的一种可拓展深宽度自适应动态规划的智能发电控制方法，其特征在于，根据接入系统三态能源性质可拓展自适应调整学习率及在线更新学习策略；如电动汽车、动力电池和抽水蓄能的三态能源具有有功随机波动特性和“即源即荷”特点，且各电源波动特性不同；通过离线预训练，获得三态能源参与系统的网络单元学习率初值，可以在线自适应调整算法学习率以获得更优预测状态和更快收敛速率以及避免梯度消失；同样的这种特征学习率调整也适用于微电网和孤岛电网的发电控制。

5.如权利要求1所述的一种可拓展深宽度自适应动态规划的智能发电控制方法，其特征在于，将发电调度以统一时间尺度控制指令；传统发电控制一般以“机组组合+经济调度+自动发电控制+机组功率分配”的组合式控制方式，这种多时间尺度的发电控制方式将在未来大规模三态能源接入后响应迟滞；以统一时间尺度调度时三态能源接入的系统有功控制响应将会更加灵活和及时，且统一的调度无需另外增加机组调度指令，因而减少了控制复杂度，增加了系统可靠性。