微电网优化调度这几年有两个明显的技术走向。一是把深度学习直接嵌进优化问题内部，让神经网络既当预测器又当被约束对象，但这样做会带来很强的非凸性，求解常常走不下去；二是用深度强化学习替换传统的规则查表式能量管理，让控制器在连续动作空间里自己学着做决策。这两个方向乍看分属不同流派，实际上都在回答同一个问题：调度决策怎么从"预先写死的规则"走向"数据驱动、可在运行中自适应"的智能体。