一种数据中心微电网电算协同双层深度强化学习调度方法

本发明公开一种数据中心微电网电算协同双层深度强化学习调度方法，属于电力系统技术领域，首先针对地理分布式数据中心微电网的高可再生能源渗透场景，提出双层多智能体深度强化学习框架；构建含有全局层和局部层的双层多智能体深度强化学习框架，全局层通过集中式深度强化学习训练进行分配计算任务，局部层通过分散式深度强化学习优化内部能源调度，结合分层多智能体双延迟深度确定性策略梯度算法实现跨层交互与快速收敛。本发明通过时空任务调节与储能协同，降低非可再生能源成本15％‑20％，收敛速度较现有技术提升5倍，且支持动态数据备份，本发明在保持服务质量的同时，显著提升系统可靠性与经济性。