构建以新能源为主体的新型电力系统是实现“碳达峰”和“碳中和”目标的重要途径。配电网作为新能源接入电力系统的重要形式,近年来受到由于新能源发电接入所带来的电能质量下降以及经济安全性降低等问题的困扰,其中,由于潮流双向流动带来的电压升高问题最为突出,也是制约新能源广泛接入的主要因素。主动配电网可以通过调动多种可控资源来应对高比例新能源接入造成的电压问题,确保配电网安全运行。本文在国家重点研发计划“弱互联混合可再生能源系统规划与稳定控制关键技术研究”（2018YFE0127600）的资助下,围绕主动配电网电压控制问题开展相关研究,主要研究内容如下:（1）提出了基于中心式训练-分布式执行框架的配电网就地协同电压控制策略。针对可再生能源接入下配电网电压快速波动问题,提出基于多智能体的配电网就地协同控制框架,将光伏逆变器协同控制问题转换为马尔可夫博弈,把每个逆变器建模为一个基于动作-评价结构的强化学习智能体,引入中心式训练-分布式执行多智能体框架,采用天前预测/历史数据对多个智能体集中训练,利用全局评价函数辅助局部动作函数学习协同控制策略,并在中心式训练过程中引入注意力机制提高多主体间协同性,在训练完成后分布式执行,每个智能体根据局部观测信息做出实时控制决策,实现了在可再生能源接入下光伏逆变器的就地协同控制和电压的实时调节;（2）提出基于智慧分区-多智能体的配电网分区协同控制策略;针对高比例可再生能源接入下配电网难以实现实时优化以应对电压快速波动的问题,提出基于多智能体深度强化学习的分区协同控制框架,依据电压-无功灵敏度指标定义电气距离,采用谱聚类算法将配电网分为多个子区域,解耦配电网节点间耦合关联,形成区域内节点高内聚、区域间节点低耦合的分区格局,采用多个智能体依次建模每个子分区,引入中心式训练-分布式执行多智能体框架,利用动作函数和评价函数的结构差异,使智能体在中心式训练过程中学习集群间协同控制策略,并在训练完成后通过分布式执行实现区域自治,减少了配电网通信延迟对控制带来的不利影响,实现高比例可再生能源接入下配电网分区自律调控和电压的实时调节;（3）提出基于代理模型-多智能体的数据驱动型配电网分区协同控制策略;针对配电网精确的物理模型在实际中难以获取的问题,提出基于代理模型-智慧分区-多智能体的配电网数据驱动型分区协同控制策略,收集配电网历史运行数据,采用稀疏高斯过程回归算法学习节点注入功率到电压幅值间的复杂非线性映射关联,建立配电网代理模型;基于有功-电压,无功-电压灵敏度指标以及区域间电压调节能力建立分区指标,基于此搜索最优分区;将分区后多集群协同控制问题转化为马尔可夫博弈,并采用多智能体深度强化学习算法求解,将代理模型嵌入多智能体环境中,各智能体在中心式训练过程中通过和代理模型的不断交互习得协同控制策略,在训练完成后每个子网络依据区域内局部信息开展自治策略,实现在不依赖于配电网物理模型的前提下的分区协同控制和对电压的实时调节。（4）提出数据驱动型配电网分层分区协同控制策略。针对配电网中机械式设备和电力电子设备特性不一,难以协调控制的问题,建立了配电网多时间尺度分区协同控制模型。针对机械式设备难以快速响应且无法频繁动作的特性,将机械式设备的调度问题建模为马尔可夫决策过程,考虑长期动作回报,采用深度强化学习算法求解该决策过程;针对电力电子设备快速灵活的工作特性,采用基于分区自治的分布式控制策略,解耦节点间耦合特性,并采用多智能体深度强化学习建模,实现逆变器的快速协同控制。基于历史运行数据,采用稀疏高斯过程回归方法构建配电网代理模型,建模节点功率和电压幅值间非线性映射关联。采用中心式训练机制将外层单智能体和内层多智能体交互训练,并将代理模型嵌入训练环境,用以估计奖励值以引导智能体学习,通过定制化设计外层智能体奖励函数以及内外层通信机制引导智能体学习内外层协同策略,实现在不依赖于物理模型的前提下对不同类型控制设备的协调调度和对电力电子设备的实时控制。