低压配电网作为连接用户的末端环节,其智能化水平高低直接影响着运维人员的工作效率和难度,也影响着用户的用电体验及满意度。长期以来,由于低压配电网处于粗放式管理,且低压线路复杂经常变动,造成了台区电网拓扑信息存在缺失、不完善、未及时更新的问题。由于缺乏拓扑结构的信息支撑,电网公司在故障排查、低电压治理、三相不平衡调整、线损降耗等方面的管理还较为落后。如何自动识别及校正台区电网拓扑信息,实现配电网的精细化管理,成为该领域研究的热点。本文利用电网公司计量自动化系统大数据信息,提出了一种台区电网拓扑自动识别方法。具体研究内容如下:首先,针对台区与用户关系混乱的问题,提出了一种基于Lasso算法的台区户变关系识别方法。利用台区配变监测终端及用户智能电表的电量数据,建立电量加和线性回归模型,把户变关系的识别问题转化为对回归系数求解。根据回归系数大小判断户变归属情况,通过筛选接近0的系数生成户变档案错误清单,为供电人员的日常线损异常排查、档案治理提供有力支撑。Lasso识别模型在数据样本规模充足、数据完整的情况下具有良好的识别查全率及准确率。其次,提出了基于t-SNE和凝聚层次聚类的相位及表箱识别方法。先使用t-SNE算法对历史电压数据进行降维,减小因噪音信息和冗余信息造成的识别误差,提升模型的识别效率。再利用凝聚层次聚类对降维后的电压数据进行聚类,识别出用户相位。在识别相位的基础上,根据电压数据特征识别出用户的所属表箱,并最终构建起“变—线—箱—户”四层的拓扑结构。通过算例分析,验证了提出方法的高效性和准确性。最后,在准确识别出台区电网拓扑结构的基础上,提出了一种基于多元线性回归的低压线路参数在线识别方法。根据电压降方程建立数学模型,利用电压、电流、有功功率时序数据并通过最小二乘法进行求解。在不额外安装设备的情况下,自台区末端用户侧向变压器侧反推出各支路阻抗参数,从而实现全台区的参数识别。实验结果表明,采用该方法进行线路参数识别的精度较高,具有一定的推广价值。