1.一种融合大数据自学习算法和PID算法的水轮机调速器控制方法，其特征在于，包括如下步骤：S1，记录水轮机调速器每一次调节至稳定工况的数据，包括水头h、功率P和导叶开度Y，具体方法如下：水轮机调速器每一次调节至稳定工况时，记录此时对应的一组水头h、功率P和导叶开度Y的数据并储存进计算机监控系统作为历史数据库；记录n组数据后，形成A={（h 1 ，P 1 ，Y 1 ）…（h m ，P m ，Y m ）…（h n ，P n ，Y n ）}的数据点集合A；S2，根据水轮机模型特性曲线，对数据点集合A中的每一组数据均对应计算水头误差值△Y，具体方法如下：S201，分别对数据点集合A中的每一组数据均进行读取，读取当水头为h m 、功率为P m， 水头为Y m 时，水轮机模型特性曲线中对应的导叶开度Y m ’；S202，令△Y=|Y m -Y m ’|，并且将计算得到的n组△Y对应导入历史数据库，形成新的数据点集合R={（h 1 ，P 1 ，Y 1 ，△Y 1 ）, （h 2 ，P 2 ，Y 2 ，△Y 2 ）…（h n ，P n ，Y n ，△Y n ）}；S3，当计算机监控系统下发目标功率指令P 0 时，根据当前水头数据h 0 和功率指令P 0 ，在数据点集合R中进行匹配，找到最接近的一组历史参考数据（h x ，P x ，Y x ，△Y x ），其中（h x ，P x ，Y x ，△Y x ）∈R，具体方法如下：S301，在历史数据库中的数据点集合R中进行搜索，当搜索到水头h x = h 0 且功率P x = P 0 的一组数据（h x ，P x ，Y x ，△Y x ）时，选取该组数据作为历史参考数据，将Y x 作为导叶给定开度目标值，直接跳转至步骤S5进行调速器调节；S302，当没有搜索到水头和功率均相同的一组数据时，对数据点集合R中的多组数据分别进行计算，选取△U最小的一组数据作为历史参考数据，△U的计算方法如下：△U=（|P x - P 0 |/P 额定 +|h x - h 0 |/h 额定 ）/2；其中，P x 为数据点集合R中任意一组数据的功率；h x 为数据点集合R中任意一组数据的水头；P 额定 为机组额定功率，h 额定 为机组额定水头；S4，对S302中选取的历史参考数据（h x ，P x ，Y x ，△Y x ），进行最小误差计算，确定与真实值误差最小的参考点，具体方法如下：S401，获取当前目标功率指令P 0 以及当前水头h 0， 将功率P 0 和水头h 0 代入步骤S2中的水轮机模型特性曲线，读取对应的模型导叶开度Y 0 ’；S402，将历史参考数据（h x ，P x ，Y x ，△Y x ）中的功率P x 和水头h x 代入步骤S2中的水轮机模型特性曲线，读取对应的模型导叶开度Y x ’；S403，计算选点误差△E=| Y x ’- Y 0 ’|；S404，对比△E和△Y x 的大小：当△E小于等于△Y x 时，说明选点误差较小，选取的历史参考点接近当前指令点，此时选取Y x 作为导叶给定开度目标值；当△E大于△Y x 时，说明选点误差较大，选取的历史参考点离当前指令点较远，误差较多；此时选取Y 0 ’作为导叶给定开度目标值；S5，将S3或S4中获取的导叶给定开度目标值赋值给调速器控制系统，调速器直接快速驱动导叶到达目标值；S6，工况稳定后，读取当前功率数据，并通过功率闭环的PID微调进行误差修正，完成整个调速器控制流程；S7，完成误差修正后，将工况稳定后的水头、功率和导叶开度数据记录并储存进计算机监控系统的历史数据库中，对数据点集合A进行更新。
2.根据权利要求1所述的融合大数据自学习算法和PID算法的水轮机调速器控制方法，其特征在于：步骤S2中的水轮机模型特性曲线是水轮机组出厂自带的模型水轮机特性曲线。
