随着分布式发电技术发展日益提高,风、光等新能源接入配电网中成为必然趋势,可以有效缓解环境危机,但与之伴随的随机性和波动性也对配电网调控提出新的挑战。储能技术的发展促进了新能源的消纳,储能装置灵活的充放电特性使其可以通过与新能源联合对配电网进行协同控制,然而大量分布式电源（Distributed Generation,DG）的接入提升了配电网结构的复杂性,使配电网由单电源运行变为多电源运行,线路潮流流向也随之改变。因此,通过对DG控制提高配电网运行的安全性与经济性具有重要的研究价值和现实意义。本文主要对含DG的配电网优化策略进行研究。论文的主要工作如下:首先,本文介绍了分布式发电技术在当今各国的广泛应用以及国内外针对含DG的配电网优化的研究现状。然后,基于图论对配电网结构进行简化,介绍了潮流计算方法并分析DG并网对配电网的影响,选择IEEE 33节点系统,对其利用MATLAB进行潮流计算编程,分析DG并网位置和出力的变化对配电网的影响。提出一种基于深度强化学习的配电网全局优化策略,可以根据所给状态对DG进行实时的合理调度来优化配电网的运行。以配电网损耗成本为优化目标,考虑DG及配电网运行的安全约束,建立数学模型,采用深度确定性策略梯度算法（DDPG）求解实时运行优化策略,证明了深度强化学习所得的策略可以通过对DG出力的控制达到减小网损的目的。提出一种基于多智能体深度强化学习的配电网分区优化策略,根据电气距离采用谱聚类算法对配电网进行分区,将每个子区域建模为一个智能体,并对其采用中心式训练-分布式执行的架构,使智能体在训练过程中可以学到协同控制策略,并能根据局部观测信息做出实时决策,实现对配电网的优化。以配电网电压偏移为优化目标构建数学模型,建立马尔可夫博弈,以中心式训练-分布式执行为框架并采用双延迟深度确定性策略梯度算法（TD3）求解实时运行优化策略,证明了通过多智能体深度强化学习所得策略可以达到减小电压偏移的目的。最后通过算例仿真,证明本文所提方法对配电网优化的有效性。