1.一种低压配电网络拓扑生成方法，其特征在于，包括以下步骤：获取低压台区下各用户电表采集的电气量数据，从电气量数据中提取采集信息，根据采集信息生成时序电压数据矩阵U；其中，采集信息包括电表ID、电压幅值、数据采集时间；

从时序电压数据矩阵中筛选异常采集数据，对筛选获得的异常采集数据进行重新赋值；

赋初值给t‑SNE算法的输入参数，将时序电压数据矩阵U作为t‑SNE算法的输入数据集，T并运行t‑SNE算法，获得低维电压特征数据集Y；

T

赋初值给DBSCAN算法的输入参数，将低维电压特征数据集Y作为DBSCAN算法的输入数据集，并运行DBSCAN算法，获得所有的簇类集合C以及二维电压特征聚类图；

赋初值给LLE算法的输入参数，将时序电压数据矩阵U作为LLE算法的输入数据集，并运行LLE算法，获得在簇类标签C分类下的二维电压特征图；

计算特征图中簇类中心与总表簇之间的欧氏距离关系并排序，输出排序结果，表示不同用户分支与总表间的相对电气距离关系；

基于DBSCAN算法和LLE算法得到的拓扑识别信息生成节点邻接矩阵；

将节点邻接矩阵可视化生成低压配电网络节点连接拓扑图。

2.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，所述时序电压数据矩阵U的表达式为：式中，任一电压数据Ui,tj表示为电表i在tj时刻所测得的电压幅值；m表示所有台区用户数量；n表示表计在某一时段内采集的该用户的电压采样点数目；时序电压数据矩阵U的任一行向量Ui表示同一用户表计在采样时段内测量的所有时刻的时序电压数据，任一列向量Utj表示同一时刻下各电表采集的不同用户的电压数据。

3.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，通过以下方式对筛选获得的异常采集数据进行重新赋值：式中， 为电压矩阵中某一采样时序terr电表采集的异常电压数据； 与 分别表示同一时序电压序列中距离异常采集数据最近的且采样时序早于时序terr与晚于时序terr的正常电压数据。

4.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，所述t‑SNE算法的输入参数包括n_components，perplexity，learning_rate；其中，n_components表示目标降维维度，perplexity表示困惑度，learning_rate表示学习率；

t‑SNE算法的运行步骤如下：

A1、将高维电压数据点的欧式距离转换成联合概率来表达各点之间的相关性，其中在高维空间下使用高斯分布函数进行转换，分别计算条件概率pj|i，pi|j以及联合概率分布pij；

‑4 0

A2、采用正态分布N(0,10 I)随机初始化目标低维数据集Y＝{y1,y2,...,yn}；

A3、在低维空间下使用t分布函数进行转换，计算低维空间下数据的联合概率分布qij；

A4、使概率分布pij＝qij，对两个概率分布之间的KL散度进行优化，建立目标函数；迭代t计算梯度，根据计算获得的梯度对目标低维数据集Y进行更新；

A5、判断迭代次数是否达到n_iter次；若达到，执行步骤A6；若没有达到，返回执行步骤A3；

T

A6、得到KL散度最小的低维特征数据集，作为高维数据集的t‑SNE特征表示Y ＝{y1,y2,...,yn}以及二维电压特征图。

5.根据权利要求4所述的一种低压配电网络拓扑生成方法，其特征在于，条件概率pj|i，pi|j以及联合概率分布pij的表达式如下：式中，xi，xj，xk分别为高维输入数据集中任意3个高维向量；σi和σj分别为以xi和xj为高斯分布中心的高斯函数模型方差，通过输入参数perplexity用二分搜索的方式来确定；n为高维输入数据集中高维向量的个数；

低维空间下数据的联合概率分布qij的表达式如下：

0 t

式中，yi，yj，yk，yl分别表示初始化的或更新后的目标低维数据集Y或Y中任意4个低维向量。

6.根据权利要求4所述的一种低压配电网络拓扑生成方法，其特征在于，所述迭代计算t梯度，根据计算获得的梯度对目标低维数据集Y进行更新，包括：采用梯度下降法迭代计算梯度：

t‑1 t‑2 t

式中，Y 、Y 分别表示Y 在前两次更新的目标低维数据集，η表示学习率，α(t)表示算法给定的动量阈值。

7.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，所述DBSCAN算法的输入参数包括ε和MinPts；其中，ε是输入的指定每个数据样本对象的邻域半径，MinPts是指数据样本的ε‑邻域中样本对象个数；

DBSCAN算法的运行步骤如下：

T

B1、从低维电压特征数据集Y中任意选择一个无类别核心对象作为种子，获取所有与该核心对象有着密度可达关系的数据样本集合，作为一个聚类簇Cj；其中，核心对象定义为ε‑邻域内的样本点数大于等于MinPts的对象；密度可达关系定义为对于某一样本集，给定一串样本点p1,p2,...,pn,p＝p1,q＝pn，满足条件样本点pi在pi‑1的ε‑邻域内，并且pi‑1为核心对象，那么对象q从对象p密度可达；

B2、判断所有核心对象是否都有类别，若都有，继续执行步骤B3；反之，返回执行步骤B1；

B3、将少数在簇外游离的异常样本点标记为噪音点，这些噪音点不在任何一个核心对象附近，其余正常样本点被划分到各个簇内，最终获得所有的簇类集合C以及二维电压特征聚类图。

8.根据权利要求1所述的一种低压配电网络拓扑生成方法，其特征在于，LLE算法的输入参数包括d，k和C；其中，d表示目标降维维度，k表示最近邻数，C表示聚类标签；

LLE算法的运行步骤如下：

C1、依据欧式距离度量求高维电压数据样本xi在邻域里的k个最近邻 获取高维电压数据样本xi对应的局部协方差矩阵；

C2、获取高维电压数据样本xi对应的权重系数向量；

C3、判断是否满足条件：所有高维电压数据样本对应的局部协方差矩阵与权重系数向量都完成求解；如果满足，继续执行步骤C4；反之，返回步骤C1；

C4、根据权重系数向量Wi组成权重系数矩阵W，根据权重系数矩阵W计算矩阵M；

C5、计算矩阵M的前d+1个特征值及其对应的特征向量，并将第2个特征向量到第d+1个L特征向量所张成的矩阵Y＝{y2,y3,...,yd+1}作为高维数据集的LLE特征表示，同时输出在簇类标签C分类下的二维电压特征图。

9.根据权利要求8所述的一种低压配电网络拓扑生成方法，其特征在于，通过以下方式求取高维电压数据样本xi对应的局部协方差矩阵：T

Zi＝(xi‑xj)(xi‑xj)

式中，xj表示xi在邻域里k个最近邻 中的其中任意一个样本；

通过以下方式求取高维电压数据样本xi对应的权重系数向量：式中，1k表示为k维全1向量；

矩阵M的表达式如下：

T

M＝(I‑W)(I‑W) 。

10.一种低压配电网络拓扑生成装置，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现权利要求1‑9任一项所述方法。