随着城市规模的迅速扩大和电力替代的不断推进，配电网的节点数量大大增加，结构变得越来越复杂。失败之后，拓扑的变化是不确定的。传统的荷载传递方法难以在短时间内给出高质量的解。为此，提出了一种基于深度强化学习的配电网负荷转移控制方法。负荷转移过程被视为一个马尔科夫式的决策过程，它与配电网的实时电气和拓扑数据相互作用，控制联络开关和分段开关。为了提高算法的精度和泛化能力，在算法的动作策略中加入了预模拟机制，调整了动作和学习的比例，并采用自适应优化算法进行求解。实例分析表明，该方法能够处理不同故障下配电网拓扑结构的变化，并在负荷恢复、网损和切换动作次数等方面给出最优的切换控制方案，对减少故障后停电损失、提高用户满意度具有重要意义。