李 坤，周 来，张勇军，刘 轩，李桂昌，黄国权

（1.智慧能源工程技术研究中心，华南理工大学电力学院，广东省广州市 510640；2.广州市奔流电力科技有限公司，广东省广州市 510000）

0 引言

大数据技术的发展为低压配电网（low-voltage distribution network，LVDN）的智能化建设打开了广阔的发展空间［1］。在LVDN智能化和数字化的过程中，基于数据的LVDN拓扑关系智能识别具有十分重要的地位，影响着电压治理和供电可靠性提升等环节［2］。

当前LVDN拓扑关系识别方法主要分为3类：注入信号法［3］、数据标签法［4］与数据分析法［5-7］。注入信号法是在网架中加装了信号设备，通过信号的注入和读取来判断拓扑关系；数据标签法是在配电网各级设备加装编码通信器，建立数据标签，以实现网络中设备的自识别。两者识别准确率较高，但识别均需要增加辅助设备，存在成本高、运维难等问题［8］。数据分析法则基于高级量测体系（advanced metering infrastructure，AMI）采集的电压、电流等电气量数据，挖掘用户间潜在的关联关系，进而实现拓扑关系识别［9］。目前，智能电表的全覆盖为数据分析法提供了数据基础［10-11］。因此，相比前2种方法，数据分析法更顺应环境、改造量和投入产出比更小，成为当前LVDN拓扑关系识别技术研究的主要方向［12-13］。

在工程实际中，由于通信质量、数据差异等因素，数据质量参差不齐，导致识别准确率也不尽相同［14-15］。在没有先验拓扑连接关系的情况下，数据分析法的拓扑结果无法对比，结果准确性无法保证，进而直接影响配电网的运维与用户的体验。文献［16］提出数据质量管理与电网可靠性和可信度十分相关。……