一种基于多智能体学习的分布式资源自治调控的方法

本发明公开了一种基于多智能体学习的分布式资源自治调控的方法，涉及智能电网和资源调度领域。该方法采用多智能体强化学习（MARL）框架，通过将分布式资源建模为多个智能体，每个智能体根据局部信息独立决策，实现资源的自治调控。系统通过智能体间的协作与竞争机制，优化全局目标，提升系统经济性、功率平衡和鲁棒性。为提高系统适应性，提出基于通信的动态学习机制，强化系统对实时需求和环境变化的响应能力。与传统集中式调控方法相比，本发明能够降低对中心控制的依赖，提升调控效率，优化资源分配，具有更强的动态学习和适应能力，在复杂环境下表现出更高的调节性能，具有较好的经济性、稳定性和鲁棒性。