摘要：随着分布式新能源的高比例接入与新型电力电子器件的大规模应用，电压越限、波动等事故风险激增。因此，采用智能方法优化控制系统无功电压对保障智能配电网可靠性十分重要。提出一种基于优先经验回放（PER）-双重延迟确定性策略梯度（MATD3）的多智能体深度强化学习算法以优化无功电压。首先，将基于光伏逆变器的电压控制问题建模为分区马尔科夫决策过程。然后，提出PER采样方法，基于TD误差优化强化学习的采样操作。最后，利用MATD3策略开展模型求解，实现基于光伏逆变器的无功电压优化。基于开源光伏发电和负荷数据开展优化验证，对典型日场景开展电压优化实验。结果显示，相比于传统MATD3算法和MADDPG算法，所提算法平均电压偏差分别减小了原始结果的4.7%和15.5%，网损相较传统MATD3模型减小了1.6%，此结果验证了所提方法的控制效果和经济性。

        关键词：智能配电网；光伏逆变器；无功电压优化；强化学习

        中图分类号：TM28     文献标识码：A 

      格式引文：周建华，张睿凝，陶锴,等. 基于强化学习PER⁃MATD3模型的智能配电网无功电压优化控制[J].电气传动,2026,56(07):47-55. ZHOU Jianhua，ZHANG Ruining，TAO Kai,et al. Reactive voltage optimization and control for smart distribution networks based on reinforcement learning PER-MATD3 model [J].Electric Drive, 2026,56(07):47-55