配电网系统是现代电力系统的重要组成部分。近年来,随着能源需求不断增加,可再生能源在电力系统中的渗透率不断提高。越来越多的分布式发电机组(DGs,Distributed Generators)接入配电网,以满足电力系统用户的用电需要。目前,大量分布式发电机组的接入促使配电网系统逐渐向现代化、智能化演进,也推动了分散式电力市场的发展。英国政府向国内14家配电网络运营商(DNO)施压,要求其在配电网系统中接入更多的分布式发电机组,并明确提出指标,要求到2020年时可再生能源机组发电量占全国发电量的15%,到2050年提高到80%。分布式发电机组在配电网中大量应用可以使电网更加绿色、提高电网供电可靠性,但从长远来看,可再生能源的波动性和间歇性也为配电网安全运行带来了诸多挑战。配电网定价对于电网建设非常重要,它保证了电网增量投资后的收益和成本回收。其中,电网运行安全是影响配电网定价计算和分配的重点考虑因素。若电力系统中造成了 N-1的突发情况,消费者和供应商无法获知网络运行情况,配电网定价问题就变得非常棘手。为了解决这一问题,本文研究在英国配电网长期增量成本(LRIC,long run incremental cost)定价模型的基础上对网络安全进行了分析。本研究提出一种新的深度强化学习方法,称为深度强化学习算法(DQN,deep reinforcement learning algorithm),以优化网络中的无功功率值,在保持网络安全的前提下,平衡并降低网络定价价格。该方法以IEEE 14节点系统为数学模型,用DQN算法伪码在MATLAB中进行了实际仿真。分析了节点注入网络前后有无安全因素的网络安全。通过多次迭代优化网络无功功率,最终得到了理想的结果。本文还介绍了中国增量配电改革情况和中国配电定价改革情况,分析了英国配电网定价方法对中国的经验启示。