一种基于分布式机器学习的智能电网实时经济调度方法，获取电网系统的发电参数，其中包括系统中各发电机的发电代价函数和发电机负载上下限。各分布式发电机与相邻的分布式发电机交换电压信息，通过动态平均一致性算法得到全网平均功率需求。利用基于梯度下降的传统优化方法，确定对应不同平均功率需求大小的功率分配策略，以此为训练集，为不同的发电机训练不同的深度神经网络模型。将实时获取的平均功率需求输入分布式神经网络模型，输出结果为本地发电机的对应发电负载。最后通过算法微调使结果满足条件的限制。本发明利用“经验库”实现数量级的算法加速，最后“微调”结果使其为最优解。