由于全球变暖等原因，导致越来越多的极端天气事件发生，此类高影响低概率事件的序列攻击对配电网造成重大破坏。为了分析配电网在极端事件下的脆弱性，该文提出一种基于深度强化学习（deep　reinforcement　learning,DRL）的极端事件攻击序列确定方法。利用马尔科夫决策过程（Markov　decision　process,MDP）捕捉灾害的时空特性，同时结合元件故障的随机性，应用连锁故障模型模拟系统的行为，即系统受极端事件影响而带来的更大的故障现象，引入基于价值的DRL方法确认对系统影响最大且故障率较高的关键线路序列。该文在IEEE测试系统中进行仿真，验证所提方法对极端事件中的配电网进...