随着电动汽车的不断普及,能源系统日益复杂。虚拟电厂(VPP)可以通过物联网和人工智能技术,将分布式电源、储能系统、可控负荷以及EV等分布式能源进行聚合和协调优化,有助于提升能源的使用效率,并促进非可再生能源的消纳,增强电网稳定性。现阶段人工智能技术在电力系统等安全要求较高的应用领域缺乏可靠性和透明度,可能导致用户和运营商难以理解算法如何做出特定的能源调配决策。针对人工智能技术下的VPP实现最优调度并兼顾解释其决策过程的平衡问题,提出一种可解释强化学习的交互式框架,使用近端策略优化算法实现VPP的最优调度,并使用决策树建立一种可解释性强化学习框架,用于提供透明的决策支持,使非专业用户能够理解人工智能在调节能源系统方面的决策过程。试验表明,与传统强化学习优化方法相比,该方法不仅提高了能源分配的效率,而且通过增强模型的可解释性,加强了用户对智能VPP管理系统的信任。