特高压直流在远距离传输大量电能上具有突出优势,提升了大范围资源优化配置的能力。然而,特高压直流闭锁后,受端电网短时间内会出现巨大的有功功率缺额,严重威胁了电网的安全运行。位于第二道防线的紧急切负荷是直流闭锁后主要的紧急控制措施,其能够在闭锁信号发出后快速动作,维持电网稳定运行。但切负荷会带来较大的经济损失,并且过多的切负荷对社会稳定也会造成不利影响。因此,对紧急切负荷方案进行优化是十分必要的,其有助于在保证电网安全的同时,降低控制的代价。本文主要研究特高压直流闭锁后受端电网紧急切负荷方案的优化方法,降低切负荷带来的经济损失,优化得到的紧急切负荷方案可作为电力调度在线决策的参考。本文的主要研究内容如下:（1）提出了一种基于差分进化算法的紧急切负荷优化方法,并根据紧急切负荷优化问题的特点对进化算法做出改进。计及多种动态安全约束,以电网的停电代价最小为目标,同时考虑负荷代价因子的影响,建立直流闭锁后的紧急切负荷优化模型。改进算法的约束处理方法,在种群进化过程中融入不可行解,加强算法对可行域边界的搜索;改进初始种群生成方法,基于重要抽样法生成初始种群,增强算法的寻优能力。与经典的数学规划类算法作出对比,分析进化算法在求解紧急切负荷优化问题的优势与不足。（2）提出一种基于代理模型的紧急切负荷快速优化算法,提高进化算法对切负荷方案的优化效率。基于人工神经网络建立切负荷方案的评估模型,代替时域仿真进行方案选择。对比分析不同代理辅助优化方法应用在紧急切负荷优化问题时的优化速度和优化结果,选择合适的代理辅助优化方法。从减少时域仿真次数和增强寻优能力两个方面对代理辅助优化方法做出改进,提出基于主动学习的代理模型新增样本的选择方法,减少紧急切负荷优化过程中代理模型更新所需的样本数目;提出结合局部搜索策略的代理辅助差分进化方法,提升算法的搜索能力。（3）提出一种考虑连续运行场景变化的紧急切负荷在线优化方法,实现紧急切负荷方案的“在线优化、实时匹配”。基于TrAdaBoost样本迁移算法,结合离线场景的大量切负荷样本和目标场景的少量切负荷样本,训练紧急切负荷优化的代理模型。提出关键样本生成方法,进一步降低目标场景切负荷样本生成的数量。通过离线场景分析和在线场景匹配,降低负迁移现象的影响。在算例分析中,对比连续局部搜索和全局搜索两种方法在紧急切负荷在线优化时的性能表现,验证所提在线优化方法的有效性。开发了紧急切负荷优化决策软件,初步将理论研究成果转化为实际应用。