基于深度强化学习的配电网多尺度优化调度方法及系统

本发明涉及电力系统技术领域，尤其涉及一种基于深度强化学习的配电网多尺度优化调度方法及系统，包括利用概率盒理论对调度日源荷预测误差概率分布建模，得到净负荷不确定性区间；基于多时间尺度调度层级，采用多智能体深度强化学习算法构建基于集中训练分散执行架构的电网优化调度模型；以日前总运行成本最小为优化目标，根据净负荷不确定性区间，通过电网优化调度模型求解得到日前调度策略；基于日前调度策略进行多尺度滚动优化，得到多尺度全周期协同调度策略。本发明通过综合利用概率盒理论建模、多时间尺度层级划分以及多智能体深度强化学习算法，实现配电网在日前、日内和实时调度中的灵活性资源优化配置，增强对源荷不确定性的适应能力。