伴随智能技术的不断发展以及用户用电方式的日益多样化,电力系统负荷侧的需求弹性和可调度能力不断彰显。在此背景下,配电系统格局及架构发生了改变,主动配电系统也得到了逐步的发展。如何应对主动配电系统用电方式多样化为电网带来的随机不确定性,以及如何挖掘弹性环境下用电主体参与电网调度带来的潜在效益,成为主动配电系统调度自动化技术研究中的重要课题。为此,论文主要做了如下工作:首先,对主动配电系统调度管理模式和包括柔性负荷、储能装置、光伏在内的系统各子模块出力特性进行了研究;建立了基于各模块出力约束的主动配电系统调度模型以及调峰任务分配过程中的功率平衡模型。其次,从弹性裕度、激励等级设定以及区域弹性幅度等角度对负荷弹性进行了刻画,并对其在调度优化过程中的作用进行了分析;然后,建立了考虑调峰需求及负荷弹性的主动配电系统调度优化问题的离散马尔科夫决策过程模型,给出了学习优化算法,其中单区域调度优化采用集中控制的Q-learning,多区域调度优化采用多Agent分层Q-learning。建立了调度问题的学习优化模型,并给出了具体求解步骤。最后,针对本文研究的调度优化问题进行了实验仿真。算例仿真结果表明采用学习优化方法所得策略可在满足电网调峰需求的基础上保证系统平稳经济运行,另外通过考虑负荷弹性可进一步挖掘系统的调度信息,促进电力弹性资源更充分地参与调峰。