La integración de fuentes de energía renovable en redes inteligentes y redes de intercambio de cargadores de vehículos eléctricos (EV) es esencial para lograr el objetivo de sostenibilidad ambiental. Sin embargo, la distribución desigual del comercio de energía distribuida entre los EV, estaciones de carga fijas (FCSs) y estaciones de carga móviles (MCSs) introduce desafíos como la oferta insuficiente en FCSs y latencias prolongadas en MCSs. En este documento, proponemos un algoritmo de subasta basado en aprendizaje profundo de refuerzo multiagente (MADRL) para el comercio de energía que equilibra de manera efectiva la oferta de cargadores con la demanda de energía en mercados de carga de EV distribuidos, al tiempo que reduce la latencia total de carga. Específicamente, esto implica una subasta jerárquica basada en MADRL que se adapta dinámicamente a las condiciones en tiempo real, optimizando el equilibrio entre oferta y demanda. Durante el comercio de energía, cada EV, actuando como agente de aprendizaje, puede refinar su estrategia de oferta para participar en varios mercados locales de comercio de energía, mejorando así tanto la utilidad individual como el bienestar social global. Además, diseñamos un esquema de cadena cruzada para registrar de forma segura y verificar los resultados de transacciones de energía en redes descentralizadas de intercambio de cargadores de EV para garantizar la integridad y transparencia. Finalmente, los resultados experimentales muestran que el algoritmo propuesto supera significativamente tanto a las subastas de segundo precio como a las subastas dobles en el aumento del bienestar social global y la reducción de la latencia total de carga.