本发明提供一种基于离线强化学习的供热控制方法及系统，所述方法包括以下步骤：采集供热数据，将供热数据集输入供热模型；从供热数据集中采样条交互数据获得四元组(s，a，r，s′)，以时间步长从t＝1到T步进行循环，训练G_ω模型；将训练后的G_ω模型部署至服务器，并通过定时任务，实施对一网和二网供水温度进行预测，将预测结果下发至换热站；并对G_ω模型的效果进行监控。本发明将先进的离线强化学习算法应用于集中供热控制系统，在无需与真实环境交互的情况下充分发挥了强化学习算法的优势，避免了与环境交互时的低效采样和昂贵成本；充分利用了历史交互数据，相较于现有技术在理论和实际上都大大提高了控制算法的性能。