近年来随着移动互联网技术与多能源技术的深入研究,由二者结合产生的能源互联网络逐渐成为新的研究热点,可以实现多种能源之间的交易和各种网络、通信资源的共享调度。然而随着能源互联网络的发展壮大,海量终端设备爆炸式接入网络的现象不可避免地造成了计算资源不足、网络通信时延过长等多方面的问题,进一步影响系统性能。因此,需要进行任务卸载和资源协同调度以满足时延、能耗等性能需求,从而针对能源互联网（Internet of Energy,Io E）中各种任务场景进一步优化。本文在微电网和海洋网络两个场景结合了移动边缘计算（Mobile Edge Computing,MEC）技术,从优化系统时延和提升系统效用两个方向着手研究任务卸载和资源调度策略,主要工作内容包含:（1）针对多用户的微电网场景,提出了一种基于MEC的边缘-终端协同任务处理框架以解决微电网系统总时延最小化问题,将微电网中的海量能源交易数据采用部分卸载策略,按卸载比例将计算任务卸载到边缘节点或者在设备本地进行处理和计算,并将研究问题构建为马尔可夫决策（Markov Decision Process,MDP）模型,利用深度Q网络（Deep Q Network,DQN）算法通过智能体和环境的交互实现最优卸载决策,从而实现系统时延的最小化。仿真实验表明所提的DQN算法的性能优于两种基线算法,体现了所提算法的有效性。（2）针对由多个微基站多个船只用户组成的超密集边缘海洋场景,提出了一种基于MEC的边缘-云端协同任务处理框架以实现系统效用最大化,首先将船只用户中的计算任务采用完全卸载策略卸载到微基站或者宏基站进行计算,并提出利用粒子群优化（Particle Swarm Optimization,PSO）算法实现船只用户的传输功率分配,其次在确定船舶用户的最优传输功率后将计算资源调度问题建模为混合整数非线性规划问题,并提出利用二进制粒子群优化（Binary Particle Swarm Optimization,BPSO）算法对该问题进行求解实现最大化系统效用。最后通过仿真实验表明,对于功率分配优化问题,所提的PSO算法具有良好的系统性能,减少了能源传输损耗;对于资源调度问题,所提的BPSO算法在系统效用和响应比率等整体性能优于现有基线算法,在海上超密集边缘网络场景中具有良好的稳定性。