鉴于海岛丰富的可再生能源资源和多样的能源需求形式,构建海岛综合综合系统（Island Integrated Energy System,IIES）成为一种必然的选择。然而,IIES对可再生能源的依赖程度高,可再生能源的出力的具有间歇性,海岛上的资源需求形式多样且各自具有较大波动性,来自电源和负荷的多重不确定性给海岛多种能源需求的稳定供给带来了巨大的挑战。与此同时,深度强化学习可以通过与外部环境的互动自动地适应外部环境的变化并及时动态调整策略,避免了对多重复杂不确定性的建模。将IIES的动态经济调度问题进行数学描述并将该问题转化到深度强化学习框架下进行求解是解决可再生能源出力间歇性和负荷需求波动性问题的有效途径。本文针对利用深度强化学习解决含多重不确定性的IIES优化调度的相关问题展开研究,主要的研究内容如下:首先,构建考虑多种能源需求形式的IIES,对其中的关键部件进行建模,主要包括考虑热电耦合关系的热电联产机组模型,快速反应燃气轮机和燃气锅炉模型,利用火电机组进行海水淡化的联产机组模型。为提升海岛淡水利用效率,在山东沿海相关示范工程的基础上,构建了物质能量共同传输的“水热同传”模型。此外,针对热负荷数据难以直接测量的问题,构建建筑物的热负荷模型,建立起环境温度与热负荷的联系。这些物理模型的构建,为后续优化调度研究的展开奠定了基础。其次,以运行成本最小为目标构建含源荷多重不确定性的IIES动态经济调度模型。为处理来自电源和负荷的多重不确定性,将IIES的调度问题转化为深度强化学习框架下的马尔科夫决策过程,并利用深度强化学习算法寻求最优调度策略。为提升数据收集效率加快算法训练时间,对所用的深度强化学习算法增加了一种分布式结构。仿真结果表明,所提的方法可以很好的处理来自电源和负荷的多重不确定性,实现海岛可再生能源的充分利用和多种能源需求的稳定供应,并且具有良好的经济性和求解效率。最后,为协调不确定环境下多园区海岛综合能源系统（Multi-community Island Integrated Energy System,MCIIES）中各个园区之间的能量交互,实现系统整体优化调度,提出一种利用多智能体深度强化学习算法学习不同园区的负荷特征,并在此基础上进行决策的调度模型。多园区模式下IIES的不确定性维度增加,对调度系统的不确定性处理能力要求成倍提高。仿真结果表明,所提方法可以很好的捕捉到不同园区的负荷特性,并利用这些负荷特性之间存在的互补关系协调不同园区进行合理的能量交互,可以实现对可再生能源的完全消纳,具有良好的经济效益和环保效益。