本發(fā)明涉及電網(wǎng)數(shù)據(jù)技術(shù)領(lǐng)域，且公開了一種用于電網(wǎng)結(jié)構(gòu)化數(shù)據(jù)的自動機(jī)器學(xué)習(xí)方法，包括以下步驟：實時采集獲取電網(wǎng)相關(guān)數(shù)據(jù)；把采集獲取的電網(wǎng)相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理；建立電網(wǎng)數(shù)據(jù)特征結(jié)構(gòu)化學(xué)習(xí)框架，初始定義電網(wǎng)數(shù)據(jù)特征結(jié)構(gòu)化學(xué)習(xí)框架參數(shù)，對電網(wǎng)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化。該用于電網(wǎng)結(jié)構(gòu)化數(shù)據(jù)的自動機(jī)器學(xué)習(xí)方法，對電網(wǎng)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理得到結(jié)構(gòu)化數(shù)據(jù)，并將得到的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行深入分析學(xué)習(xí)，用戶可以直觀的了解到每個特征之間的關(guān)系，而每個特征都是有真實的物理意義的，使算法的具有較高的可解釋性，使用強(qiáng)化學(xué)習(xí)的方法構(gòu)造特征結(jié)構(gòu)，通過智能體與環(huán)境的交互動態(tài)的調(diào)整特征的結(jié)構(gòu)來學(xué)習(xí)某特征群體的最優(yōu)結(jié)構(gòu)。