能源互联网作为能源研究领域的一个前沿概念,其将分布式的能源以及信息通信技术紧密的结合在一起,提高了电网的智能性。在能源互联网中,互联网通过通信平台将所有的单元相互连接,实现了互联互通的新型模式。能源互联网在提高电网的智能化的同时还提高了电网的自动化水平。随着智能设备的不断进步,能源互联网已经成为了电网发展的必然趋势。在能源互联网中,提高新能源消纳作为关键问题得到了广泛的关注。新能源消纳目的在于提高风电发电,光伏发电等新能源的利用率。边缘智能技术作为一个新型的研究领域,近些年来得到了广泛的关注。将边缘智能技术与能源互联网相结合,可以起到提高新能源消纳的计算效率作用。由于新能源具有分布式发电的特点,为了降低通信的代价,提高计算效率,本文设计了一个基于深度强化学习的边缘智能新能源消纳框架。在该框架中,我们将深度学习部署在第一层边缘计算节点中,从而发现新能源出力的底层规律;基于这些规律,结合不同部门的负荷需求,第二层边缘计算节点采用深度强化学习来寻找优化新能源的消纳策略。大规模智能测量单元的不断部署,使能源互联网产生的数据不断增加,但不理想的网络通信条件会导致缺失数据产生。为了解决数据缺失以及预测的问题,第一层深度学习边缘节点采用门控循环单元算法来感知新能源数据的特点进行数据处理,使得后续的强化学习算法能够有效的进行,避免了错误的状态空间和动作空间。此外,本文提出的框架采用了旋转备用容量来提高新能源的消纳能力。实验结果验证了所提出的新能源消纳最大化方法的有效性,并且深度学习还能够补偿数据缺失降低对智能算法的影响。