低压配电网处于电力系统末端,其稳定运行是保障用户获得高电能质量的关键。低压拓扑识别是实现低压台区智能化管理的基础。准确的拓扑结构为配电网故障定位、线损管理、窃电检测等应用提供了重要的数据支撑。但配电网因扩建改建、运行调整等原因,拓扑结构存在记录不准确的问题,依靠人工排查和记录的方式不仅成本高,且准确率低。现阶段各类智能监测终端投入与运用,为低压拓扑识别提供了有利的条件。针对电压数据缺失或电压变化不明显时拓扑识别正确率低的问题,提出了电压数据预处理方法。用户存在少量电压数据缺失时,运用牛顿插值法处理缺失部分的数据,进而用皮尔逊相关系数法识别拓扑结构。用户存在部分电压数据变化不明显时,根据经验运用等长序列分割或基于极小值点的时间序列分割法提取数据,再用皮尔逊相关系数识别拓扑结构。案例分析表明,牛顿插值法适用于数据缺失较少时户变关系识别;运用基于时间序列分割法提取的特征数据相比原始数据拓扑识别效果更好,其中运用极小值点提取数据的方法通用性更强。针对关联性较弱用户的户变关系识别困难的问题,提出了一种基于T型灰色关联度和K-最近邻（K-nearest Neighbor,KNN）算法的低压拓扑自动识别方法。首先计算用户与所属台区电压的T型灰色关联度,对低于设定阈值的可疑用户用KNN算法判断所属台区,完成户变关系识别工作。然后计算新户变关系下用户之间电压的T型灰色关联度,结合拓扑结构图识别馈线中的可疑用户。最后找出与可疑用户最相关的用户,依据电压沿着馈线逐渐降低定位可疑用户在馈线中的位置。在正确识别得到低压拓扑的基础上,提出了基于最小二乘法的配电线路参数辨识方法。结合其它量测数据,辨识线路的阻抗参数。案例分析表明,所提方法在低压拓扑识别方面准确性高、实用性好。