基于多模态大模型与超图时空网络的火力发电厂电能预测、动态优化方法及设备

本发明涉及一种基于多模态大模型与超图时空网络的火力发电厂电能预测、动态优化方法，包括：采集多模态数据并进行预处理；构建DCMDM‑MCL联合模型，得到融合特征向量；得到电能预测结果；采用NSGA‑III算法进行多目标优化处理，得到多目标优化后的调度策略初步方案；利用TD3强化学习进行微调，得到火力发电厂电能动态优化调度策略。本发明精准捕捉设备瞬时工况变化，增强预测可靠性；保障系统高效安全运行；突发环境变化中，系统2小时内完成自适应调整，预测误差恢复至基线水平，显著提升复杂场景鲁棒性；融合结构化与非结构化数据，大幅降低部署成本与周期；形成“数据融合→预测→调度→进化”闭环，为电力行业提供高精度、实时性、可持续的智能优化解决方案。