配电网处于电力系统的末端,是连接输电系统与用户的重要环节,随着配电网规模的不断扩大以及分布式电源的大量接入,配电网的运行方式愈发灵活多变,为配电网的可观性及可控性带来了挑战。配电网拓扑运行方式的准确性是高效合理地进行配电网规划设计和运行控制的基础,在配电网中,网络的开关状态会因为联络关系变化、设备检修、故障情况下的转供等不确定因素而动态变动。然而,在自动化程度较低的配电网中,由于具备遥信、遥测功能的开关设备覆盖面有限,无法直接获得开关的运行状态;同时,针对同一变电站下母线间的配网系统,其母线电压波动一致,传统利用电压相关性的辨识方法无法满足开关状态的推断需求。因此,迫切需要能够适用于不同配网环境下的拓扑辨识技术来准确推断网络的运行方式。本文以配电网为研究对象,依据由智能电表采集的配变历史运行数据,对基于概率图模型的配电网拓扑辨识技术及应用展开研究。首先,针对配电网中量测设备覆盖面有限,往往难以满足开关状态直接推测的需求,提出一种将配电网中开关状态和电压量测数据作为状态变量的物理-概率模型,实现了等效电路到开关状态推测模型的映射,完成由物理拓扑网络到概率推断网络的转化;在物理-概率模型的基础上,通过采集的配变历史运行数据集学习贝叶斯网络的参数,引入置信度传播算法进行概率模型的推断;同时,提出了利用有效迹理论获取推测开关状态所必须的电压相关性量测数据,降低了配电网拓扑辨识对电压量测设备布点的需求,也降低了置信度传播推理算法中的计算维度,能够解决配电网中量测设备覆盖面有限而无法直接推测开关状态的问题,实现配电网弱感知状态下的实时拓扑辨识技术;最终,以实际配电系统模型在python平台上对本文提出的物理-概率模型进行了验证。接着,针对上述拓扑辨识方法无法应用在同一变电站不同母线下配变间连接关系辨识的问题,提出一种考虑配变间电压功率相关性的拓扑辨识方法,利用节点间的潮流关系建立单馈线以及辐射型配电网中线变关系模型,引入节点间电压功率相关性指标确定开关状态与指标间的因果关系,并建立贝叶斯模型从而实现由潮流网络到概率网络的映射;接着在贝叶斯网络模型的基础上,通过历史配变运行数据包括配变电压及功率学习贝叶斯网络的参数信息,仍引入置信度传播算法完成开关状态概率的推断。最终通过某配电系统在python平台进行仿真验证了该模型的有效性。最后,对所提出的配电网拓扑辨识技术的应用场景进行了研究,以配电网变电站全停故障为场景,提出了一种考虑分布式电源接入与二次转供策略的负荷转供优选技术。配电网出现故障导致停电事故发生时,可以通过联络和分段开关的调整使电力能够输送到受故障影响的负荷区域,而配网中分布式电源的不断渗透为负荷转供方案提供了新的思路,本文建立多类型分布式电源在配网转供中的不同供电模型,通过搜索“薄弱环节”挖掘分布式电源和网架结构潜在的转供能力,提出了考虑全网运行方式最优的二次转供策略,实现了保证配电网可靠运行下有效提高停电负荷的恢复率;最终,以实际配电网系统为例,在python平台上对负荷转供优选模型进行优化求解,并对比不同场景下的恢复性能验证了本文提出的负荷转供方案的合理性。