目前全球推动能源革命与转型,可再生能源因其具有可再生、清洁、无污染等特性,在全世界发展迅速,并被广泛的应用,我国做出了“碳达峰、碳中和”的承诺。然而,以风电和光伏为代表的可再生能源,由于其受到气象因素的影响具有随机性与波动性等特点,降低了安全性和稳定性,影响着其调度的灵活性,同时也影响了可再生能源的消纳能力。可再生能源除了清洁等特点以外,还可以耦合不同能源系统,提高系统总体的安全性和稳定性。随着需求响应技术的不断成熟,在实现供电商与用户的互动的同时,可再生能源的消纳能力也会得到提高,并提高能源利用率。近几年来信息技术和人工智能技术不断发展,强化学习是机器学习中比较热门的分支,也逐渐成为一种全新的优化算法,可以为综合能源系统解决实际问题。针对基于深度强化学习的电热综合能源系统的优化调度问题,本文主要研究内容包括:电-热综合能源系统优化调度的目的是为了求解系统的最低成本,即机组的最低运行成本,该问题其实是一个多维的非线性混合整数优化问题,由于可再生能源和负荷预测的不确定性因素,很难求出准确解。本文基于深度强化学习算法,提出了电热综合能源系统优化调度求解方法,和现有针对优化调度问题的智能算法有所不同,通过不断尝试和学习的方法去探索环境,不需要对环境中复杂的不确定性建模,是未来综合能源系统对优化调度算法的新方向。首先在描述了电热综合能源系统优化调度的模型,依据马尔科夫决策过程的原理,将电-热综合能源系统调度问题转化为马尔科夫决策过程（MDP）,对约束条件和目标函数进行处理,定义智能体的状态、动作空间以及奖励函数,状态环境为电热综合能源系统,调度中心为智能体,利用马尔科夫与环境交互,根据环境的反馈进行学习和训练,最大化累积奖励。将日前优化调度构造为多阶段决策问题,基于电热综合能源系统调度问题中的动作空间和状态空间均连续,结合强化学习算法的不同特点,选用近端策略优化算法对该问题进行求解。并结合actor-critic框架搭建深度神经网络,完成优化调度的深度强化学习模型。在传统的电热综合能源系统调度模型的基础上,建立了用户的激励型电力和热力需求响应模型,同时考虑风电、光伏出力,将需求响应作为一个可调用动作加入到马尔科夫决策过程中,并添加到强化学习的状态环境和奖励中,建立了以运行总成本最低为目标的电热综合能源系统优化调度模型,提高系统对可再生能源的消纳能力,同时保证系统运行的稳定性与经济性。算例结果表明,该方法所得调度方案在强化学习算法的作用下可有效降低成本、保障调度方案的经济性,能有效辅助调度人员做出合理决策。并且只需输入运行状态就可以得到调度策略,而使用优化算法当运行状态发生变化时,根据原优化问题生成的策略不再是最优策略,需要根据系统的状态重新编写目标函数和约束条件。