1.一种基于深度模型预测的微网群智能协调控制方法，其特征在于，所述方法包括：步骤一，微网群中各微网的控制器分别实时获取公共母线上的量测信息；

步骤二，根据所述量测信息进行分析，确定当前时刻的自身下垂系数；

步骤三，以采集到的历史调节信息为样本进行训练，生成外部系统等值下垂系数预测模型；

步骤四，将当前时刻量测信息输入训练好的外部系统等值下垂系数预测模型，输出外部系统等值下垂系数预测值；

步骤五，根据自身下垂系数和等值下垂系数预测值按比例分摊功率调节量，计算出自身功率调节量；

步骤六，根据自身功率调节量进行功率调节，判断当前频率是否达到合格范围，若未达到频率合格范围，返回步骤一；

所述步骤三中，历史调节信息采集步骤包括：

微网群中各微网的控制器分别实时获取公共母线上的量测信息；

各微网的控制器根据所述量测信息进行分析，确定当前的初步功率调节量：0

其中，Δf为频率偏差，ki为自身下垂系数，ΔPi为初步功率调节量；

各微网的控制器根据所述当前的初步功率调节量实时进行功率调节，并采集调节信息，所述调节信息包括自身下垂系数、每次调节对应的功率调节量和频率变化量；

所述步骤三中，外部系统等值下垂系数预测模型训练过程包括：将系统等值为内部系统和外部系统两部分，内部系统即自身微网，外部系统即与该微网相连的电力系统其他部分的等值系统；

进行历史调节并预设调节次数，当调节次数达到预设次数时，将采集到的调节信息作为样本，输入到待训练的长短期记忆人工神经网络模型，获得对应的外部系统等值下垂系数预测模型；

所述步骤五中，各微网控制器根据自身下垂系数和外部系统下垂系数预测值按比例分摊功率调节量，自身功率调节量计算公式为：其中，ΔP为系统功率缺额，ki为微网i自身下垂系数，k’为外部系统等值下垂系数预测值，ΔPi为修正后的功率调节量。

2.根据权利要求1所述的基于深度模型预测的微网群智能协调控制方法，其特征在于，所述步骤二中，各微网的控制器通过对所述量测信息中的输出功率变化值与对应的频率变化值进行拟合，获得当前时刻的自身下垂系数。

3.根据权利要求1所述基于深度模型预测的微网群智能协调控制方法，其特征在于，所述外部系统等值下垂系数预测模型包括输入层、隐含层、记忆层和输出层；

所述输入层由Sigmoid、Tanh激活函数实现；

所述隐含层用于对全部输入的信息进行非线性变换，生成预测值；

所述记忆层用于储存上一时刻由隐含层输出的状态信息；

所述输出层将输入的信息经所述隐含层再通过激活函数压缩输出。

4.一种基于深度模型预测的微网群智能协调控制装置，其特征在于，所述装置包括：量测获取模块，用于微网群中各微网控制器分别实时获取公共母线上的量测信息；

分析模块，用于根据所述量测信息进行分析，确定当前时刻的自身下垂系数；

预测模块，用于训练生成外部系统等值下垂系数预测模型并根据当前时刻量测信息得到外部系统等值下垂系数预测值；

功率调节模块，用于根据自身下垂系数和外部系统下垂系数预测值按比例分摊功率调节量，计算出自身功率调节量并进行功率调节；

判断模块，用于判断系统是否达到频率合格范围，若未达到频率合格范围，返回量测信息获取环节，进行下一轮循环；

历史调节信息采集步骤包括：

微网群中各微网的控制器分别实时获取公共母线上的量测信息；

各微网的控制器根据所述量测信息进行分析，确定当前的初步功率调节量：0

其中，Δf为频率偏差，ki为自身下垂系数，ΔPi为初步功率调节量；

各微网的控制器根据所述当前的初步功率调节量实时进行功率调节，并采集调节信息，所述调节信息包括自身下垂系数、每次调节对应的功率调节量和频率变化量；

外部系统等值下垂系数预测模型训练过程包括：

将系统等值为内部系统和外部系统两部分，内部系统即自身微网，外部系统即与该微网相连的电力系统其他部分的等值系统；

进行历史调节并预设调节次数，当调节次数达到预设次数时，将采集到的调节信息作为样本，输入到待训练的长短期记忆人工神经网络模型，获得对应的外部系统等值下垂系数预测模型；

各微网控制器根据自身下垂系数和外部系统下垂系数预测值按比例分摊功率调节量，自身功率调节量计算公式为：其中，ΔP为系统功率缺额，ki为微网i自身下垂系数，k’为外部系统等值下垂系数预测值，ΔPi为修正后的功率调节量。