随着居民用户用电需求的增多,供电电压质量成为低压配电网电能质量的主要指标之一,电压监测部门及时、准确地发现低电压用户是电网公司制定低电压治理措施的重要依据。在220V/380V低压配电网中,由于节点众多、电压监测设施落后、电网参数采集不全,而潮流计算对参数的完整性及精确性要求较高,使得电网电压监测部门难以对配电台区的所有用户电压实现全覆盖监测。在此背景下,本文首先基于实际的低压配电网可取参数,对低压配网的电压降落进行近似计算,通过引入“节点负荷矩”,将用户功率对线路电压降落的影响近似转化为节点负荷矩对节点电压的影响,从而建立220V低压配电网用户电压全覆盖估算模型。结合BP神经网络基于数据建模模拟未知函数的性质,本文将其应用于低压配电网用户电压全覆盖计算中,基于少数节点电压召测数据,对未能召测的多数节点电压进行估算,得到整个低压配电台区所有节点的电压估算值,辅助电网监测部门在少数据的情况下,掌握整个220V/380V低压配网的电压概况,及时发现低压用户的存在。为验证本文所提电压全覆盖模糊评估方法的有效性及实用性,采集案例台区的实际运行数据进行实证分析,分析结果表明本文所提电压模糊评估方法对于用户电压的估算误差满足工程实践需求。鉴于BP神经网络本身的缺陷,通过改进BP神经网络,在训练过程中添加加权因子,动态调整神经网络的学习率和动量因子,改善网络训练不易收敛的特性,提高了学习效率。由于神经网络对于样本泛化能力的要求,本文还通过实际数据分析,对比不同召测点选取对估算效果的影响,得出适应于算法实际需求的电压召测点选取原则。