潮流计算的任务是基于给定的网络拓扑与元件参数实现对电网运行状态的求解,其计算结果对于电网运行规划、方式安排及稳定性分析等工作而言是必不可少的。现阶段,电力系统正处于能源绿色转型的新时期,风电、光伏发电等新能源大量接入电网,并且柔性直流、超高压传输等大容量输电技术也不断被应用于电网的建设中,而新能源的波动性以及基于远距离传输的电网互联使得电网运行方式复杂多变,导致在许多运行方式下出现潮流不收敛的情况,凭借试凑法的传统潮流调整方式难以得到满意的效果。因此,通过一些新的方法及理论对潮流调整方式进行智能化、自动化改进,对保证电网的安全稳定运行具有重大意义。本文分析了潮流不收敛的潜在因素,以电压偏移最大为突破口提出电压薄弱区域的概念,并通过电压薄弱区域缩小潮流调整范围,基于电压薄弱节点指标对潮流调整过程进行模型构建,最后引入改进深度强化学习算法并在此基础上进行潮流调整的训练,实现电网潮流的自动调整。本文的主要研究内容如下:（1）提出了基于阻抗比指标的电压薄弱区域识别。在不计算电网潮流的条件下,借鉴短路计算的模型和方法来快速求取各节点的电压波动趋势,采用阻抗比方式评估各节点电压偏离趋势,进而获得电压薄弱区域。针对大规模电网潮流调整动作空间大、难收敛的问题,从改善电压薄弱程度的角度提出针对大电网电压薄弱区域进行调整的方案。并在IEEE118节点系统中得到验证。（2）构建基于阻抗比指标的潮流调整问题模型。通过阻抗比指标缩小模型的动作空间,并提出多重奖励机制,结合程序实现阐述了基于阻抗比的潮流调整模型的三层架构。（3）提出了基于改进DQN算法的潮流调整模型求解。针对传统DQN算法中样本数据直接输入神经网络导致数据相关度高并且分布波动大的问题,提出通过基于优先经验回放的改进DQN算法对其进行求解,有效提高模型的训练效率,并在IEEE118节点系统中验证了上述方法的有效性。