在作为主要能源的化石能源逐渐匮乏、环境污染破坏问题愈发严重的大背景下,能源转型的呼声逐年加大。而随着互联网发展,伴随着人工智能、大数据、物联网等新兴科技的出现,智慧能源作为多领域融合以达到各系统互联互通、良好互动状态从而解决当前能源问题的综合能源系统,是被提出作为解决能源发展可持续问题的新概念,愈加受到各方重视,是如今世界能源产业升级的重点研究方向,也逐渐成为各国战略的一部分。然而,当前智慧能源的发展正受缺少客观合理的评价问题所限制,客观合理的评价可以指导、修正智慧能源的发展方向,对智慧能源系统的研究与规划有着重大的意义。并且,目前已经提出的少量的评价方法都是基于传统评价方法,具有较大的主观性与局限性。鉴于此,本课题创新性地首次基于机器学习方法,研究智慧能源系统评价体系,为该领域的研究提供新的思路。本文主要工作及成果如下:1、深入研究了智慧能源的定义与内涵,将过去几种定义进行了融合,给出普适性更强、包容度更广的智慧能源的定义与内涵解释。基于此,得到并优化了当前的智慧能源系统评价指标体系,并利用层次分析法得到指标体系的权重特征向量。2、分别基于三种成熟且应用广泛的机器学习方法构建评价模型。对包括支持向量机、决策树以及BP神经网络这三种经典模型,给出了三种机器学习方法的算法设计,构建了对应的评价模型。接着提出了两点优化策略,分别为针对智慧能源系统相关数据难以大量获取而导致输入数据样本数量离散且稀少的问题,选择Seq GAN生成对抗网络对样本数据进行合理扩充;针对BP神经网络权值与阈值的优化设置,选择加入遗传算法获取优化的权值与阈值,并给出优化算法的流程并构建相应模型网络。3、对优化前后构建的评价模型开展实例仿真研究,得出仿真结果并分析对比。实例结果表明,机器学习方法在智慧能源系统评价的研究中起到较好的作用,优化方法所具有的高鲁棒性、对离散非线性的拟合能力等都很好的适用于高特征维度的智慧能源系统评价,此外相对于传统方法较多的主观环节与复杂过程,机器学习评价模型更为客观、高效。由此,证明了基于机器学习进行评价的可行性,揭示了此领域还有着更广阔的优化研究空间。4、以上述研究成果为基础,分析了具体需求,明确系统用途,设计并实现了一套完整的智慧能源系统评价原型系统,为今后智慧能源所实施城市的具体评价与其后改进策略的制定提供了客观依据与参考,实现智慧能源评价便捷化、智能化。