本發(fā)明涉及一種基于強(qiáng)化學(xué)習(xí)的異常用電判決系統(tǒng)及方法，該判決系統(tǒng)為用于異常用電判決的DRQN（Deep Recurrent Q Network，深度循環(huán)Q網(wǎng)絡(luò)模型）模型，Q網(wǎng)絡(luò)模型以當(dāng)前的狀態(tài)和當(dāng)前選擇的動作作為輸入和輸出，以狀態(tài)作為判決指標(biāo)確定當(dāng)前回合的獎懲值；在Q網(wǎng)絡(luò)模型訓(xùn)練達(dá)到設(shè)定次數(shù)時，將target Q網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)同步為Q網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)；將待測的用電概率序列輸入到訓(xùn)練好的DRQN模型中，以狀態(tài)作為待測的用電概率序列的動態(tài)閾值，根據(jù)動態(tài)閾值判斷用電是否異常，以當(dāng)前的狀態(tài)作為判決指標(biāo)確定獎懲值，并將該當(dāng)前的狀態(tài)作為動態(tài)閾值，因此該系統(tǒng)能夠根據(jù)實時的用戶的電力數(shù)據(jù)來更新閾值，從而能夠有效提升跨用戶場景的泛化能力。