一种基于大语言模型的分布式帕累托强化学习的多能源微电网的风险感知调度方法

本发明公开一种基于大语言模型的分布式帕累托强化学习的多能源微电网的风险感知调度方法，包括以下步骤：1)利用LLM模拟和生成多能源微电网的真实气候场景；2)构建状态转移函数矩阵；3)设计基于马尔可夫决策过程的多能源微电网风险感知调度框架；4)获取多能源微电网当前真实气候场景，确定当前真实气候场景对应的状态转移函数；5)利用LLM‑DPSAC算法确定多能源微电网风险感知调度框架中的优化目标；6)基于优化目标，确定和执行新状态S'对应的动作A'，实现多能源微电网的风险感知调度。本发明不仅提升了对风险敏感性的建模能力，还为不同类型的智能体提供了个性化的优化策略，能够灵活应对多变的环境和任务需求。