本申请涉及一种基于强化学习的模块化多电平变流器的底层控制方法，获取环境的状态观测和奖励，并将状态观测和奖励输入至智能体中，得到智能体输出的动作以对模块化多电平变流器进行底层控制，环境的状态观测和奖励基于动作发生变化，基于变化后的状态观测和奖励进行上述对多电平变流器进行底层控制的迭代循环，直至满足第一预设条件以获得智能体的最优策略，并根据最优策略对模块化多电平变流器进行底层控制，其中第一条件为奖励达到最大值或迭代循环的次数达到预设值，因此通过本申请基于强化学习的模块化多电平变流器的底层控制方法能够实现对多电平变流器的最佳控制，提升多电平变流器的工作性能。