مدیریت بارهای سرمایشی در ساعات اوج یکی از چالش‌های اصلی بهره‌برداری شبکه‌های توزیع است. در این پژوهش، یک چارچوب نمونه اولیه نیروگاه مجازی هوشمند سمت تقاضا (Demand-Side AI-VPP) برای تجمیع و کنترل هماهنگ بارهای سرمایشی ناهمگن ارائه شده است. معماری پیشنهادی شامل لایه پایش و کنترل مبتنی بر اینترنت اشیا، تجمیع‌کننده مرکزی و یک کنترل‌کننده چندسطحی گسسته مبتنی بر شبکه Q عمیق (DQN) است. داده‌های پایلوت چهار واحد مسکونی برای شناسایی پارامترها و کالیبراسیون مدل حرارتی و توان تجهیزات استفاده شدند؛ آموزش و ارزیابی کنترل‌کننده DQN در محیط شبیه‌سازی کالیبره‌شده انجام گرفت. در مطالعه موردی پایلوت، توان اوج تجمعی از 7.5 به 5.5 کیلووات کاهش یافت که متناظر با کاهش 26.7 درصدی در شرایط مشخص این پایلوت است. برای بررسی تکرارپذیری و مقیاس‌پذیری، روش پیشنهادی با کنترل هیسترزیس و بهینه‌سازی ازدحام ذرات (PSO) مقایسه و با پنج بذرتصادفی (seed) مستقل، تحلیل حساسیت وزن‌های تابع پاداش و سناریوهای 4 تا 200 واحد ارزیابی شد. همچنین، تأثیر پروفیل بار تجمیعی بر فیدر استاندارد IEEE 33-bus با استفاده از پخش بار شعاعی بررسی گردید. نتایج شبیه‌سازی نشان داد که کنترل DQN میان کاهش انرژی و حفظ قیود دمایی یک مبادله ایجاد می‌کند و در سناریوهای بزرگ‌تر می‌تواند هم‌زمانی بارهای سرمایشی را کاهش دهد. ارزیابی آسایش در این مطالعه مبتنی بر محدوده دمای داخل است و تلاش شده است تا منطبق با ASHRAE 55 باشد.