基于多智能体深度强化学习的综合能源系统动态调度方法

本发明提供了一种基于多智能体深度强化学习的综合能源系统动态调度方法，包括：基于马尔可夫决策交互架构，构建用于综合能源系统调度的智能体，所述智能体包括：状态空间、动作空间和奖励函数；利用K‑means聚类，将综合能源系统划分成在不同时段特征互异的多环境；利用一预测模型捕获综合能源系统调度时段的环境特征，并匹配对应环境的智能体；为每个环境设置经济性深度确定性策略梯度模型进行交互学习与决策，形成分布式学习‑分布式执行架构；利用所述分布式学习‑分布式执行架构，对综合能源系统进行动态调度。本发明相比其他的深度强化学习方法以及传统优化方法，可以得到更为经济和稳定的调度结果。