“低电压”是电能质量的一项重要指标。低电压成因纷繁复杂,治理手段多样。如何针对低电压形成的原因进行准确判断并选择合理的治理方法是一项亟待解决的难题。本文首先对低电压成因的诊断进行了研究,建立了基于二分K均值算法和分布式回声状态网络算法的配网侧低电压成因诊断模型。接着,本文对配电网低压用户和配电变压器数据进行了整理,并对Spark Mllib机器学习库中没有给出的分布式回声状态网络算法进行了实现。在此基础上,本文对低电压治理过程中的评价模型进行了研究。针对低电压治理项目建设前后两个阶段,分别设计并实现了基于数据包络法的低电压治理方案前评价模型以及基于多属性综合评价法的低电压治理效果后评价模型。最终形成了一套涵盖低电压治理过程中从低电压成因发现,到项目治理方案优选,最后再到项目后评估全过程的配网侧低电压治理模型。配网侧低电压治理模型目前已完成实地验证。实证表明,和传统决策方式相比,模型的使用可以节省低电压成因分析时间,提高成因诊断准确率,为决策者提供合理有效的投资决策意见。