随着分布式电源的大规模接入，传统配电网正在逐步过渡为新型主动配电网，这对配电网在电压、网损和保护等方面产生了较大影响，从而对配电网在规划控制、电能质量管理、运行及维护等方面提出了更高的要求。由于传统OPF算法在解决大规模的分散性、时序性、随机性较强的非线性问题中具有很大缺陷，为了实现更复杂网络条件下的配电网实时控制，本文提出了一种基于强化学习的优化算法，并将其应用于主动配电网的实时控制，以网损最优为目标函数，同时考虑网络电压、线路负载率以及分布式电源出力等约束条件。强化学习作为一种去模型的人工智能方法，在数学模型复杂的大型问题的求解方面存在很大优势，通过引入模仿学习和迁移学习并扩展知识矩阵、引入风险评估机制等手段更能够改善该方法的控制效果和收敛时间。基于MATLAB R2017a仿真平台对IEEE 33节点改进模型进行仿真，仿真结果表明强化学习方法在解决主动配电网实时控制问题方面具有较好的控制效果，明显缓解了电压越限，有效降低了网络损耗，并且具有很好的实时特性。