本發(fā)明涉及一種基于強(qiáng)化學(xué)習(xí)的能量路由器異常檢測(cè)方法，包括通過(guò)能量路由器的通信端口獲取電氣參數(shù)數(shù)據(jù)，并對(duì)電氣參數(shù)數(shù)據(jù)進(jìn)行處理；搭建強(qiáng)化學(xué)習(xí)模型的框架，并基于電氣參數(shù)數(shù)據(jù)確定強(qiáng)化學(xué)習(xí)模型的動(dòng)作集、狀態(tài)集以及獎(jiǎng)賞值；采用Q?Learning算法對(duì)強(qiáng)化學(xué)習(xí)模型的框架進(jìn)行細(xì)化；根據(jù)具體問(wèn)題確定Q?Learning算法中的超參數(shù)，并利用動(dòng)作集、狀態(tài)集以及獎(jiǎng)賞值對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行迭代循環(huán)的訓(xùn)練；根據(jù)訓(xùn)練結(jié)果對(duì)強(qiáng)化學(xué)習(xí)模型進(jìn)行調(diào)整后，利用強(qiáng)化學(xué)習(xí)模型對(duì)能量路由器進(jìn)行異常檢測(cè)。本發(fā)明實(shí)現(xiàn)了能量路由器的智能化異常檢測(cè)，縮減了能量路由器的異常檢測(cè)流程，也提高了異常檢測(cè)的準(zhǔn)確率。本發(fā)明還涉及一種基于強(qiáng)化學(xué)習(xí)的能量路由器異常檢測(cè)裝置和設(shè)備。