本發(fā)明涉及一種基于強化學(xué)習(xí)的微電網(wǎng)優(yōu)化調(diào)度方法，包括：獲取微電網(wǎng)風(fēng)光元件的預(yù)測信息以及電源的邊界信息，搭建基于強化學(xué)習(xí)的微電網(wǎng)優(yōu)化調(diào)度強化學(xué)習(xí)模型；基于強化學(xué)習(xí)的微電網(wǎng)優(yōu)化調(diào)度強化學(xué)習(xí)模型進行自學(xué)習(xí)，并積累自學(xué)習(xí)過程中學(xué)習(xí)到的調(diào)度知識，得到擁有先驗調(diào)度知識的微電網(wǎng)；通過遷移學(xué)習(xí)挖掘和利用學(xué)習(xí)到的調(diào)度知識，搭建相似度計算模型，用于實現(xiàn)所述調(diào)度知識的再利用；在新的微電網(wǎng)優(yōu)化調(diào)度任務(wù)中利用先驗調(diào)度知識進行微調(diào)學(xué)習(xí)，獲得新任務(wù)的優(yōu)化調(diào)度策略。本發(fā)明方法將強化學(xué)習(xí)和遷移學(xué)習(xí)引入到微電網(wǎng)優(yōu)化調(diào)度中，強化學(xué)習(xí)具備強大的自學(xué)習(xí)和記憶能力，并且能夠?qū)?yōu)過程中學(xué)習(xí)到的經(jīng)驗知識儲存在神經(jīng)網(wǎng)絡(luò)參數(shù)中。