La computació al núvol ha evolucionat cap a arquitectures multiclúster i multinúvol que, tot i oferir una gran flexibilitat operativa, plantegen nous reptes en termes de gestió i sostenibilitat. Aquest Treball de Fi de Grau aborda la problemàtica de l'alt consum energètic de les infraestructures digitals proposant un sistema d'orquestració intel·ligent centralitzat, capaç d'aplicar l'estratègia follow-the-sun per planificar càrregues de treball en regions amb major disponibilitat d'energia renovable. Partint de la plataforma Karmada com a pla de control unificat, s'ha dissenyat i implementat una extensió arquitectònica que supera les limitacions dels planificadors estàtics tradicionals. El nucli de la proposta és un agent basat en aprenentatge per reforç profund (DRL), entrenat amb l'algorisme PPO, que pren decisions de planificació en temps real ponderant simultàniament la intensitat de carboni, la predicció meteorològica i l'estat de saturació dels clústers. L'avaluació experimental, realitzada mitjançant simulació amb traces reals de càrrega i generació elèctrica, demostra la viabilitat de la proposta. Els resultats confirmen que l'agent DRL aconsegueix reduir significativament la petjada de carboni en comparació amb estratègies agnòstiques. A més, supera en robustesa a les estratègies de minimització estricta de carboni, ja que aprèn a gestionar el compromís entre sostenibilitat i rendiment, evitant la congestió dels recursos i garantint l'estabilitat operativa del sistema distribuït.

Cloud computing has evolved towards multi-cluster and multi-cloud architectures which, while offering high operational flexibility, introduce new challenges in terms of management and sustainability. This Bachelor's Thesis addresses the problem of the high energy consumption of digital infrastructures by proposing a centralized intelligent orchestration system capable of applying the follow-the-sun strategy to schedule workloads in regions with higher availability of renewable energy. Building on the Karmada platform as a unified control plane, an architectural extension has been designed and implemented to overcome the limitations of traditional static schedulers. The core of the proposal is an agent based on deep reinforcement learning (DRL), trained using the PPO algorithm, which makes real-time scheduling decisions by simultaneously considering carbon intensity, weather-based energy forecasts, and cluster saturation levels. The experimental evaluation, conducted through simulation using real workload traces and electricity generation data, demonstrates the feasibility of the proposed approach. The results confirm that the DRL agent achieves a significant reduction in carbon footprint compared to agnostic scheduling strategies. Moreover, it outperforms strict carbon-minimization approaches in terms of robustness, as it learns to manage the trade-off between sustainability and performance, avoiding resource congestion and ensuring the operational stability of the distributed system.