本發(fā)明公開了一種基于深度強化學習的建筑能耗預測方法及系統(tǒng)，包括：采集建筑能耗歷史數(shù)據(jù)，同時采集建筑面積、建筑常住人口數(shù)量、建筑常住人口消費水平、建筑所在地天氣狀況數(shù)據(jù)。將采集到的數(shù)據(jù)樣本分組，根據(jù)所得到的訓練樣本輸入到深度強化學習網(wǎng)絡模型中進行訓練并保存使狀態(tài)動作值函數(shù)最優(yōu)的網(wǎng)絡模型。最后將預測樣本輸入到深度強化學習網(wǎng)絡模型，進行建筑能耗預測。本發(fā)明采用深度學習中的卷積神經(jīng)網(wǎng)絡與強化學習中的Q學習相結合的方法實現(xiàn)了建筑的能耗預測，相對于傳統(tǒng)的預測方法，用卷積神經(jīng)網(wǎng)絡結合Q學習算法的深度強化學習網(wǎng)絡可以減少數(shù)據(jù)量，降低數(shù)據(jù)的存儲要求，提高數(shù)據(jù)的使用效率，加快數(shù)據(jù)處理的效率。