基于目标值竞争的多能协同互补优化方法、设备及介质

本发明涉及多能协同互补技术领域，尤其涉及一种基于目标值竞争的多能协同互补优化方法、设备及介质，包括建立多智能体电网系统分布式非凸经济调度问题的目标优化模型，将目标优化模型建模为偏序马尔可夫决策过程，并采用静态优化的多智能体深度强化学习算法对每个智能体进行离线训练，建立奖励网络与目标Q网络之间的目标值竞争机制，通过目标值竞争机制迭代优化目标Q网络，生成在线优化模型；利用在线优化模型对多智能体电网系统的实时总功率需求进行预测，得到最优输出功率。本发明通过建立奖励网络与目标网络之间的竞争机制，同时利用估计价值网络和目标价值网络使的离线训练的模型可以在线使用，能够为时变需求提供实时最优输出功率。