本发明公开了一种基于分布式深度强化学习的微电网能量在线优化方法，分布式地管理各发电单元、储能单元与主电网的能源生产与调用。首先利用Actor网络与本地环境进行交互，获取相应的动作策略，再根据环境参数与所选动作判断是否满足约束条件，计算奖励值。随后Critic网络学习本地与其他智能体的神经网络参数，最后根据所学模型，对Actor网络选择的动作进行反馈，引导Actor网络追寻更高的奖励值。对于此类延迟敏感，并且参数空间巨大的应用场景，本发明所提出的方法在训练完成后可以快速给出优化策略，合理分配各单元发电出力，最终有效地解决了微电网中的能源优化问题。