随着微电网系统的复杂性、随机性和数据维度不断增加，传统的模型驱动方法可能存在建模难度高、计算效率低、易受不确定因素干扰等缺点，因此难以对微电网进行精准高效的优化调控。近年来，深度强化学习迅猛发展，作为一种数据驱动的方法，因其结合了深度学习和强化学习的优势，可以在大规模场景和有限信息下，学习大量高维的和具有不确定性的数据来解决决策问题，克服传统模型驱动方法中存在的问题，实现对微电网的实时控制和反馈。本文首先对深度强化学习的基本思想、算法和优势进行了概述，然后从多组件协调运行、能源管理、能量交易、故障检测与恢复、发电功率预测和系统控制保护6个方面回顾总结了将深度强化学习应用于微电网系统调控中的现有研究成果，并与传统的求解方法进行了对比，分析总结了深度强化学习在微电网优化调控中的优势。最后，从提升硬件设施、更新优化算法、解决隐私问题、提高迁移能力4个方面提出展望。