本发明公开了一种基于物理信息和深度强化学习的电力系统自动化操作方法及装置。该方法设定强化学习训练需要的神经网络结构、参数、状态空间、可选择的动作空间，构建一个深度Q学习智能体，通过最小化线路故障的频率和严重程度来预测自动行动。然后，直接应用电力系统物理信息作为训练已知限定，减少训练数据，加快训练时间。其次，设计用于优化的奖励函数，训练选择不同的动作以达到最大的奖励，寻找最优的自动化操作。本发明结合物理信息特征，基于DQN算法对电力系统各输电线路和变电站拓扑进行了优化控制，兼顾了经济性和有效性。本发明能在较少数据的情况下，实时地进行电力系统稳定控制。