一種基于自動強化學習多時段可再生能源出力及負荷預測的孤立微電網(wǎng)優(yōu)化調(diào)度方法，其特點是，包括:輸入并更新風、光出力及負荷的歷史數(shù)據(jù)并將其按時段重構(gòu)為24組新的時間序列；生成基于優(yōu)先經(jīng)驗回放自動強化學習預測的調(diào)度模型；根據(jù)輸入數(shù)據(jù)自動確定優(yōu)先經(jīng)驗回放自動強化學習預測模型的架構(gòu)與超參數(shù)；獲得預測值及預測誤差分布并生成預測誤差的概率性序列；修正預測值；確定旋轉(zhuǎn)備用機會約束；將機會約束轉(zhuǎn)化為確定性約束；獲得符合混合整數(shù)線性規(guī)劃形式的調(diào)度模型；輸入微電網(wǎng)參數(shù)；求解微電網(wǎng)日前調(diào)度模型；檢查解決方案是否存在，若存在，則終止流程；否則更新置信水平；輸出微電網(wǎng)優(yōu)化調(diào)度方案。具有系統(tǒng)的運行成本低，求解速度快等優(yōu)點。