在双碳目标的指引下,高比例的分布式可再生能源接入主动配电网,使得主动配电网具有较强的随机性、时变性和复杂性。随着主动配电网规模的不断扩大,如何在时变和随机环境下对主动配电网进行快速而准确地建模已成为当前电力系统领域亟需解决的问题。本文从参数辨识、主动配电网静态等值和动态等值三方面对主动配电网等值建模开展研究。在参数辨识方面,提出了一种适用于处理多维问题的基于多代理协作的自适应强化学习算法。本文通过引入资格迹的衰减因子,采用自适应的学习速率替代固定的学习速率,更好地反映了当前学习经验对值函数更新的影响;本文基于渐进学习法的多代理协作机制,并且引入新的搜索方向,改进了行为搜索策略,可以实现多个代理之间的合作与协调,提高了强化学习的效率和精度。在主动配电网静态等值方面,建立了考虑源荷不确定性的主动配电网静态等值模型,主要包括三个模块,分别是等值风机、等值光伏发电和等值ZIP负荷。然后,利用改进的强化学习算法对模型参数进行辨识。最后,在IEEE30节点输电网和IEEE33节点配电网系统中进行了测试,仿真结果表明,基于改进强化学习算法的等值模型可以更准确地描述主动配电网的源荷不确定性,并且在主动配电网发生扰动后,保持对模型参数的在线更新。本文将等值模型用于跨境网络等值,仿真结果表明模型具有较高的适应性。在主动配电网动态等值方面,建立了基于负荷模型池的广义负荷模型,主要包括直驱风机、光伏发电和综合负荷模型。为了解决分布式能源和负荷的时变性问题,本文首先建立了多个广义负荷模型池,然后通过改进强化学习算法确定每个广义负荷模型的权重,得到主动配电网动态等值模型。最后,在发生三相短路故障后的主动配电网中进行了测试,仿真结果表明,改进的强化学习算法能够有效地对含有可再生能源的主动配电网进行动态等值建模。