本申請公開了一種基于分布式深度強化學習的協(xié)調(diào)充電方法及協(xié)調(diào)充電系統(tǒng)，其中，該方法為基于深度強化學習的分布式調(diào)度算法，避免了集中式調(diào)度算法帶來的可擴展性較差以及在大量智能體接入電網(wǎng)時，信息收集和處理的時間和成本激增的問題，提高了分布式協(xié)調(diào)充電方法的穩(wěn)定性和可擴展性。此外，所述基于分布式深度強化學習的協(xié)調(diào)充電方法還根據(jù)所述智能體獲取的歷史電價信息，獲取與所述智能體對應的電價預測信息，進一步提高了該方法的收斂速度和運算效率。