本发明涉及数据融合技术领域，具体涉及基于强化学习的能源数据上下文信息特征融合方法，该方法具体为：根据能源数据之间的关联程度构建能源峰值联系强度指数，利用ARIMA预测算法对能源数据序列进行预测获得预测特征序列，根据预测特征序列中预测数据的优良程度以及与原始数据的关联情况，构建预测特征关联系数，进而划分真正存在强关联的数据序列，再利用深度学习进行上下文信息特征融合。从而实现能源数据上下文信息特征融合，解决了传统特征融合算法仅考虑关联性而没考虑关联的实质性，导致存在过多的关联数据，最终导致特征融合后特征的准确性较低的问题，提高了能源数据上下文特征信息融合的准确度。