本發(fā)明提供一種基于離線強化學(xué)習(xí)的供熱控制方法及系統(tǒng)，所述方法包括以下步驟：采集供熱數(shù)據(jù)，將供熱數(shù)據(jù)集輸入供熱模型；從供熱數(shù)據(jù)集中采樣條交互數(shù)據(jù)獲得四元組(s，a，r，s′)，以時間步長從t＝1到T步進行循環(huán)，訓(xùn)練Gω模型；將訓(xùn)練后的Gω模型部署至服務(wù)器，并通過定時任務(wù)，實施對一網(wǎng)和二網(wǎng)供水溫度進行預(yù)測，將預(yù)測結(jié)果下發(fā)至換熱站；并對Gω模型的效果進行監(jiān)控。本發(fā)明將先進的離線強化學(xué)習(xí)算法應(yīng)用于集中供熱控制系統(tǒng)，在無需與真實環(huán)境交互的情況下充分發(fā)揮了強化學(xué)習(xí)算法的優(yōu)勢，避免了與環(huán)境交互時的低效采樣和昂貴成本；充分利用了歷史交互數(shù)據(jù)，相較于現(xiàn)有技術(shù)在理論和實際上都大大提高了控制算法的性能。