"本书聚焦人工智能与能源系统交叉研究领域，系统阐述了深度强化学习在信息物理能源系统运行优化中的应用。作为融合强化学习与深度学习优势的前沿人工智能技术，深度强化学习具备不确定环境下的多阶段决策能力和复杂环境感知表征能力，支持端到端的实时控制，在多个领域展现出卓越性能。信息物理能源系统是信息网络与能源电力物理系统深度融合的产物，为能源电力系统的节能减排和我国“双碳”战略目标的实现提供了新的途径。然而，该系统的运行优化面临多源不确定性、复杂运行约束、未知动力学模型、高维解空间、多时间尺度以及多利益主体协同等挑战。针对上述问题，本书结合作者的研究实践，系统探讨了智能家居能源系统、电网交互型居民建筑能源系统、多区域商业建筑能源系统、多微电网系统和有源配电网系统等典型信息物理能源系统的运行优化问题，提出了一系列融合专家知识、分布式优化、注意力机制、多智能体协同、进化思想与分层控制等技术的深度强化学习优化算法。相关研究成果为信息物理能源系统的智能化、高效化与低碳化运行提供了理论基础和技术支撑，具有重要的学术价值与工程意义。
本书可作为信息物理能源系统与人工智能交叉领域科研人员的参考资料，也可作为控制科学与工程、电气工程、建筑工程、智能科学与技术、人工智能等相关专业研究生的参考教材。"