微电网优化调度这个方向，近两年有一个很明显的变化：深度学习不再只是躲在负荷预测、出力预测这些前端模块里，而是开始直接参与调度决策本身。强化学习做能量管理已经不是新闻，但 2026 年的新论文里，大语言模型开始以各种方式挤进这条链路——有的当老师，有的当预测器。今天精读的两篇论文，一篇发在 IEEE Transactions on Smart Grid，一篇发在 Renewable Energy，恰

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。