El aire acondicionado contribuye a un alto porcentaje del consumo de energía en el mundo. La predicción eficiente del consumo de energía puede ayudar a reducir el consumo de energía. Tradicionalmente, los datos de consumo de energía del aire acondicionado multidimensional solo podían procesarse secuencialmente para cada dimensión, lo que resultaba en una extracción de características ineficiente. Además, debido a razones como las correlaciones implícitas entre hiperparámetros, los enfoques de optimización automática de hiperparámetros (HPO) no se pueden lograr fácilmente. En este artículo, proponemos un enfoque de predicción de consumo de energía de autooptimización paralela basado en el aprendizaje por refuerzo. Puede procesar en paralelo datos de series temporales multidimensionales y lograr la optimización automática de los hiperparámetros del modelo, lo que resulta en una predicción precisa del consumo de energía del aire acondicionado. Experimentos extensivos en conjuntos de datos reales de aire acondicionado de cinco fábricas han demostrado que el enfoque propuesto supera las soluciones de predicción existentes, con un aumento en la precisión promedio del 11.48% y una mejora promedio del rendimiento del 32.48%.