一种基于深度强化学习与优先级经验回放优化的智能电网原位数据存取调度方法

本发明公开了一种基于深度强化学习与优先级经验回放优化的智能电网原位数据存取调度方法。该方法认为：首先，根据原位数据的特征属性，设计分层存储结构，将数据分类存储至不同性能的服务器中，以匹配其访问需求；其次，构建个性化需求队列，分别接收和记录来自不同层次服务器的数据取用请求；接着将原位数据调度问题建模为马尔可夫决策过程，将系统延迟作为优化目标进行问题建模；最后采用深度强化学习结合优先级经验回放机制，动态学习最优队列调度策略，实现高效响应决策。本发明针对智能电网场景下原位数据特征多样、服务器性能差异显著的问题，融合分层存储架构与深度强化学习技术，以降低系统响应延迟和剩余需求量为优化目标，实现调度策略的动态决策。该方法在不同负载条件下，能够有效分析需求队列的状态特征，并提升原位数据取用需求的响应效率，显著增强智能电网原位数据管理系统的运行效率与稳定性。