低压配电网作为电网和用户之间的纽带,对电网运行、用户用电的安全可靠性和服务质量影响深远。随着用户用电需求的不断增加以及新能源在低压配电网中的广泛应用,对低压配电网的安全、可靠和节能运行提出了更高的要求。为此,必须加强对低压配电网运行状态的评估和线损管理,并针对评估结果及时提出台区优化方向。本文的研究工作主要如下:首先,随着物联网技术的发展以及智能电表的普及,大量用户的监测数据实现了基于数据驱动的“相-线-户”关系识别,准确的拓扑关系信息支撑着低压配电网的运行维护,为此,针对数据完整性不足的场景,本文提出了基于二次矩阵补全算法的低压配电网“相-线-户”智能识别的模型与方法。首先分析了应用电流拟合法的“相-线-户”识别原理与模型,根据奇异值门限的矩阵补全算法构建了基于二次矩阵补全的低压配电网“相-线-户”识别方法。在研究过程中,对实际台区用电数据分别进行随机缺失和时段缺失来对测试本文模型的有效性,并且与现有的数据补全算法进行对比以凸显本文模型的优越性。其次,鉴于理论线损是低压配电网运行评估中的重要指标,线损的精确计算对低压配电网运行状态评估至关重要。本文提出了基于Reief F和卷积神经网络的配电网理论线损精细化计算方法,先利用Reief F选择计算线损的合适特征,再将其利用卷积神经网络预测线损值,最后结合电流拟合法得出的拓扑关系,分别推出台区、出线和相线的线损值,实现线损精细化计算。通过实际台区仿真结果表明,相较于其他线损计算的方法,所提线损计算方法具有更高的精度和更快的效率,并且在数据缺失时,应用二次矩阵补全后能更准确地预测线损值。最后,在确定低压配电网评估指标后,基于改进AHP-EWM的运行状态模糊评估方法对低压配电网进行运行状态评估。为提高指标中线损率的精度,结合Relief F-卷积神经网络法得出其线损率,然后由改进AHP-EWM对评估指标赋权,再应用模糊理论得到评估结果,结合底层的指标得分得出低压配电网的薄弱环节,为运行状态优化指明方向。通过实际台区的仿真实验,证明了所提状态评估方法的实用性和可行性。