本发明涉及一种实时自适应的虚拟电厂资源优化与调度方法及系统，所述方法步骤包括：获取虚拟电厂的实时数据；采用机器学习模型对未来的能源需求、价格和供应量进行预测；根据预测结果和当前优化状态，通过强化学习模型动态调整NSGA‑II算法的参数；使用参数调整后的NSGA‑II算法进行虚拟电厂资源优化与调度的多目标优化，生成优化调度方案。与现有技术相比，本发明在面对不确定性和动态变化的环境条件下，利用强化学习技术动态调整算法参数和集成先进的预测模型，以提高解的质量和优化过程的适应性。