本发明涉及应急管理技术领域，尤其涉及一种基于强化学习的应急物资储备动态优化方法及系统，包括根据目标电力设施区域的灾害场景数据和应急物资消耗数据，通过机器学习算法得到应急物资需求预测结果；基于应急物资需求预测结果，利用蒙特卡洛仿真方法量化得到应急物资储备的风险概率分布；根据风险概率分布和应急物资储备系统的多维度实时状态信息，构建应急物资储备数字孪生模型；将强化学习算法引入应急物资储备数字孪生模型中，通过交互学习得到最优应急物资储备策略。本发明通过结合数字孪生技术和强化学习算法等方法，提高应急物资储备的准确性和效率，能够迅速、准确地提供所需应急物资，从而显著提升了应急响应能力。