随着风电、光伏等分布式电源的高比例并网和电力电子设备的大规模接入,以及高速通信和人工智能等ICT技术在电力系统中的逐步深入和广泛应用,传统配电网正转变为含有多种分布式电源、网络结构更加灵活、控制手段更加丰富的主动配电网。由于主动配电网结构由过去的单点辐射状网络转变为多子系统的复杂网络,潮流由单向流动变为双向流动,控制自由度也大量增加,不仅分布电源出力波动具有很强的不确定性,而且各个子系统之间相互耦合作用复杂,给其协调优化控制带来了巨大的挑战。近年来,以深度强化学习为代表的人工智能技术飞速发展,在各个领域均有广泛应用,其在海量数据特征提取、复杂映射关系学习以及连续决策等方面具有明显优势,从而,基于深度强化学习的主动配电网协调控制方法可望具有良好的应用前景。本文将适用于主动配电网协调优化控制的深度强化学习方法以及其在主动配电网协调控制问题中的应用作为研究课题,以实现分布式电源、无功补偿装置以及储能设备等各类可控资源的协调控制与高效利用,保障配电网的安全稳定运行。由于主动配电网协调优化控制存在众多研究方向,本文将聚焦于最常见且重要的主动配电网电压优化控制问题和合环电流调控问题,也为其他协调控制问题的研究提供参考思路。本文完成的主要研究工作如下:（1）为解决主动配电网中各可调设备的协调优化控制问题,深入分析了主动配电网中并联电容器、有载调压变压器、分布式电源和储能装置等可调设备的特性以及调节能力,并建立了相应的数学模型。进而,将图卷积网络对图信息的感知能力和强化学习决策能力进行了整合,提出了用于主动配电网协调优化控制的深度强化学习框架。所提框架建立了主动配电网状态和各可调设备动作量之间的映射关系,能够根据主动配电网的当前状态快速进行决策,避免了规模增大带来的维数灾难和迭代寻优困难问题,对相关研究具有重要的参考意义。（2）为解决主动配电网优化运行问题,建立了主动配电网多时间尺度电压协调优化控制模型,提出了一种基于深度强化学习的多时间尺度下主动配电网电压协调优化控制方法。所提方法有效地将有载调压变压器、并联电容器组等慢速调节设备和分布式电源、储能等快速调节设备进行动态协调控制,同时避免了风电、光伏等分布式电源波动性带来的不良影响。最后,改进的IEEE33配电网算例仿真分析表明,所提方法正确、有效且鲁棒性强。（3）针对主动配电网的合环电流调控问题,建立了以主动配电网中各可调设备为控制变量的数学模型和马尔科夫决策模型,提出了基于深度强化学习的合环电流调控方法。所提方法能够根据主动配电网合环前状态快速给出合环电流调控方案,最后以某地典型10k V合环网络为算例进行了仿真测试,验证了所提方法有效性和鲁棒性。