电力在现代经济社会中具有十分关键的作用,跨州、跨国家、跨洲输送电力的电网是现代社会必不可少的组成部分。为了维持电网系统的长期稳定运行,近年来出现一种新型的电网控制手段:通过对电网的拓扑结构进行实时控制,来改变电网系统中不同组件的电力输送关系,进而应对电网中的突发事件给电力系统带来的影响。然而,由于巨大的状态和动作空间以及实时性限制,现有的电网拓扑结构控制方法往往难以取得令人满意的效果。为了兼顾算法的精度及实时性,本研究提出了一种基于双阶段动作搜索的电网拓扑结构实时控制方法。该方法由两部分构成:一个快速的推荐器,负责从大动作空间中快速推荐出一系列高质量候选动作;一个速度更慢但更精确的排序器,负责从推荐器输出的候选动作集合中进行精确的动作选择。通过调整候选动作生成数量,该方法可以灵活的在算法的精度以及实时性之间进行权衡,进而满足不同的任务场景需求。针对大电网场景下神经网络特征提取困难的问题,本研究对特征提取网络结构进行了优化设计,探索了图神经网络以及全连接神经网络两种网络结构,引入了层归一化方法以及残差结构,并进行了详细的实验对比分析。对于推荐器的设计,本研究提出了两种方案:基于监督学习的方案以及基于强化学习的方案。在监督学习方案方面,本研究对网络模型的输入输出方案、损失函数的选择等方面进行了优化设计;其次,为了有效利用神经网络的表达能力,本研究提出了一种基于排序的损失函数掩码方案,自适应的对样本权重进行调整,有效改善了模型的收敛结果。为了缓解神经网络特征提取困难的问题,本研究进一步提出一种基于强化学习的推荐器设计方案,将候选动作生成过程建模成序列决策过程,利用排序器对历史动作的额外反馈信息来改善后续候选动作的生成质量,并使用了一种新颖的基于门控循环单元的网络结构设计方案。在此基础上,本研究提出一种奖励函数变换方法,自适应的对原始奖励函数进行缩放,能够有效放大头部候选动作之间的奖励函数差距,对神经网络的误差具有更好的容错能力。实验结果表明,基于强化学习的推荐器方案能够有效根据历史信息的反馈结果,改善后续动作的生成质量。最后本研究对总体方案在仿真环境中进行了联合评估,评估结果表明本研究所提出的方法能够有效改善大型电网场景拓扑结构控制困难的问题。