本发明公开了一种基于双层机器学习架构的分散灵活资源功率调控方法、系统、电子设备及存储介质，对分散灵活资源的可调负荷日曲线数据进行聚类分析，获得分散灵活资源的可调负荷类，依据聚类中心选取可调负荷类的典型负荷节点；针对典型负荷节点，利用负荷历史运行数据，构建基于负荷运行状态信息与环境信息的机器学习模型，以评估典型负荷节点的可响应容量；构建基于典型负荷节点可响应容量与负荷相似程度的机器学习模型，估计出该可调负荷类下所有负荷节点的可响应容量；结合各负荷节点的功率调控成本，构建分散灵活资源的功率调控优化模型，计算获得虚拟电厂分散灵活资源的功率调控策略，实现可调负荷功率的合理调控。