Cet article propose une méthode innovante pour optimiser les cycles de charge des unités de stockage d'énergie des bâtiments, en réponse à la demande croissante d'énergie et aux préoccupations environnementales. La technique, se base sur l'apprentissage par renforcement pour générer des politiques individualisées. Elle utilise le clustering de courbes de charge des bâtiments pour identifier les modèles communs, intègre les connaissances du domaine dans l'algorithme d'apprentissage, et prédit les observations futures pour des décisions en temps réel. Les résultats sur des données réelles démontrent une efficacité significative, réduisant les coûts énergétiques jusqu'à 15%, en limitant la consommation pendant les périodes de pointe et en s'adaptant aux différents profils de consommation des bâtiments par rapport à la référence.