日益频发的极端气候灾害给电网安全稳定运行造成了极大的威胁,建设对极端灾害具有较强抵抗力、在灾害发生后具有较强供电恢复能力的坚强电网势在必行。弹性电网恢复力的研究旨在提升电网应对极端气候灾害的能力,本文针对高恢复力主动配电网的规划开展研究,对提高配电网抗灾能力具有重要的理论和实际意义。本文首先对相关领域研究现状进行了综述,其次分析了主动配电网运行优化的信息物理系统（cyber-physical system,CPS）架构,并研究了基于数据驱动的配电网运行随机优化决策算法,然后将主动配电网恢复力提升措施定义为弹性储备并分类建模,提出了基于弹性储备约束的高恢复力配电网规划方法,最后通过仿真算例进行了基于深度强化学习（Deep Reinforcement Learning,DRL）的高恢复力主动配电网弹性储备规划研究。论文取得的成果主要包括:1、建立了主动配电网弹性储备模型。按照弹性储备在故障恢复过程中对配电网的作用机理分类建模为能量支撑型、能量通道型和需求响应型弹性储备。弹性储备全面描述了配电网源-网-荷对恢复力提升的协同作用,为高恢复力主动配电网规划提供约束条件。2、提出了基于弹性储备约束的高恢复力主动配电网规划方法。在得到高恢复力规划目标并形成弹性储备约束的基础上,建立随机故障随机运行的双随机场景模拟故障恢复过程,并基于马尔科夫决策过程（Markov Decision Process,MDP）的随机优化决策形成高恢复力主动配电网规划模型,方法克服了传统抗灾型规划方法的局限性。3、采用基于竞争深度Q网络（Dueling Deep Q Network,DDQN）的DRL算法,生成弹性储备优化决策结果,结合其对恢复力提升的影响分析,得到了高恢复力主动配电网弹性储备规划方案。通过IEEE33节点配电网典型算例仿真,仿真结果验证了所提规划方法对提升恢复力的有效性。