电力网络拓扑识别是能量管理系统和配电管理系统的重要模块,为潮流计算、状态估计、故障定位、无功优化等问题提供了网络结构数据,是电力系统分析软件的基础。随着智能电网的发展,电力系统的网络拓扑结构越来越复杂。与此同时,随着网络中监测设备数量的增加,能够获取的电力系统数据也越来越多。如何应用智能电网监测数据对网络拓扑结构进行分析,是本文的研究重点。首先,介绍了国内外拓扑识别发展与研究现状,探究了电网拓扑识别的理论和现实基础。电网拓扑分析的实质是网络连通性的判别,本质上是一个在图论基础上发展出来的数学问题。因此,对电力网络拓扑识别中应用到的图论知识做了简要的介绍。分析了电网拓扑结构,尤其对电网的导纳矩阵进行了分析,得出导纳矩阵是稀疏矩阵的结论,在此基础上,将稀疏技术引入到了电网拓扑识别中。其次,针对大型输电网稀疏连接的特征,提出了基于稀疏恢复的拓扑识别方法。基于交流潮流模型推导出了适用于输电网拓扑恢复的直流潮流模型,将稀疏恢复问题等价为l₁范数求解问题,运用基追踪算法对l₁范数问题进行求解。考虑导纳矩阵对角线附近元素更容易为非零元素的特征,在运用基追踪算法时对对角线附近元素进行加权,提高对角线附近元素的恢复率。在验证过程中,将基追踪算法和重加权l₁范数算法应用到IEEE-30和IEEE-300节点拓扑网络的恢复中,验证了本方法的有效性。最后,考虑配电网络结构复杂、运行方式多样的特征,提出了先验信息不确定条件下配电网拓扑识别新方法。以贝叶斯网络理论为基础,通过专家提供的线路先验连接概率,对配电网拓扑进行初始化,选择电压数据作为拓扑识别的特征数据,并对三相负荷不平衡情况下的平衡三相电压求解方法进行了推导;对量测数据进行不良数据检测,求取自方差和协方差,当超过各自的设定阈值时剔除该时刻数据,提出了结构描述长度测度作为配网结构稳定状态的评价指标,运用模拟退火算法对配电网拓扑结构进行求解。最后基于IEEE-33节点系统和某实际配电网验证了本方法的有效性。