为改善配电网频率特性,充分发挥分布式储能系统的快速响应优势,提出了一种基于强化学习-模型预测控制(reinforcement learning-model predictive control, RL-MPC)的分布式储能协同一次调频控制方法。首先根据分布式储能的频率响应特性、荷电状态(SOC)、功率控制策略,建立了含分布式储能并网的一次调频控制模型;然后通过构建分层混合控制架构,上层采用深度强化学习(deep reinforcement learning, DRL)动态优化MPC权重矩阵,实时感知频率偏差、变化率及储能荷电状态分布熵值,下层采用分布式MPC滚动求解多节点储能出力序列,并引入图注意力网络(graph attention network, GAT)实现通信拓扑自适应优化,降低分布式储能协同控制的计算复杂度,提升策略泛化能力;最后通过Matlab/Simulink仿真验证了所提方法能够有效提升分布式储能的一次调频响应速度和控制精度,增强电力系统的稳定性。