随着新能源技术、智能技术等各项技术的的不断创新和突破,全球范围内的电力能源输配电环节都开始向智能电网方向发展[1]。而在智能电网建设的重要环节——高级量测体系的建设中,配网需求侧的量测设备作为其重要终端产品之一,对其信息的准确高效的获取是高级量测系统建设和正常运行的前提[1]。随着大力推进配网需求侧量测设备的智能化应用以及高级量测体系的建设发展,低压电力线通信作为量测设备和高级量测体系之间信息交互的主要手段以及高级量测体系实现的前提条件,承担着对量测设备的信息采集,以及与高级量测系统之间的双向实时通信的正常运行,因此确保其通信的稳定性与可靠性对智能电网中高级量测系统的建设发展具有重要意义。参考文献研究,目前针对低压电力线通信技术的研究主要分为以下两个方面:一是通过研究电力线信道（如对电力线信道模型的研究,抑制噪声的方法研究等）,提高低压电力线的通信距离;二是采用组网技术（如采用中继路由的方法）,增大通信距离,提高系统的稳定性。在目前电力线信道的可通信距离范围内,本文主要对远距离无法通信的量测设备进行组网技术的研究。在对低压电力线组网技术的研究过程中,为后续低压电力线组网建模以及仿真实验的顺利进行,本文通过近年来智能电表的大量应用以及发展情况,将配网侧的主要量测设备——智能电表作为通信节点,进行组网技术的相关实验研究,其包含的研究工作如下:1、建立低压电力线各节点的可通信路径。通过研究文献中提出的蛛网方法,发现在建立的可通信路径中存在由于多个中继同时对同一节点通信造成的信号冲突问题。为了提高组网效率以及减少信号冲突问题,本文研究了分层选择中继的方法,并且通过其对可通信路径的搭建,发现在搭建低压电力线可通信路径的过程中,属于同一层子网的智能电表互不通信,因此大大减少了可通信路径的建立时间,提高了效率,并且减少了大量的信号冲突问题。2、建立低压电力线信道的负载时变性模型。在集中器对量测设备（如智能电表）进行信息采集的实验中,发现在某些时刻会出现信息采集不到或者采集到的信息出现异常的情况。经研究,主要是由于负载的随机接入造成的,即低压电力线信道在通信的过程中具有负载时变性,为了研究负载的随机接入对电力线信道通信的影响情况,本文建立了低压电力线信道的负载时变性模型,并为后续低压电力线组网中目标函数的建立提供了依据。3、提出了静动态结合的低压电力线组网方法。具体方法过程是:首先,在建立好低压电力线各节点可通信路径的基础上,针对多个中继节点同时与同一节点通信的情况,本文先用静态组网方法选择最优通信路径。即在用静态组网方法进行起始组网时,通过考虑通信质量以及中继转发数两方面因素,建立链路指数Yi,j,并将其作为寻找最优中继的目标函数。为自动找出最优上级中继,本文采用蚁群算法,并通过设置方向函数以及构造新的启发信息函数对其进行改进。通过matlab进行仿真实验,发现可以快速的选择出最优的通信支路进行通信,实际中集中器将一直按照选择出的路径与远程智能电表进行通信。然后,当通信的过程中出现信息异常的情况时,本文用动态组网的方法对异常路径重新进行路径选择,此时建立的链路指数Yi,j在考虑通信质量以及中继转发数两方面因素的基础上需要考虑电力线信道的时变性。本文通过分析用户在各采集时刻用电量的变化情况,动态的调整链路指数Yi,j的关键参数,最后用改进后的蚁群算法重新对异常支路进行路径选择,经matlab仿真实验,发现在信息异常时,原节点可建立新的通信路径与集中器通信。4、采用改进ELM绑定式特征选择方法进行异常信息检测。在对用智能算法进行异常信息检测的过程中,针对数据增多出现的系统冗余问题,本文通过减少不必要电力用户信息的特征,降低数据维度来避免系统冗余。通过对比分析PNN,GRNN以及ELM这三种智能算法,用ELM绑定式特征选择的方法不仅能快速找出最优特征值,并且将找出的特征值用ELM进行训练检测,能快速准确的找出异常信息。针对实验中ELM隐含层神经元个数设置的不同将会对异常信息的检测结果产生影响这一问题,为了找出合适的隐含层神经元个数以及克服人为设置隐含层神经元个数的主观性,本文用PSO算法对ELM进行隐含层神经元个数寻优,同时将测试样本的准确率以及运行时间作为PSO算法的适应度函数。经过实验验证,PSO找出的隐含层神经元个数在保证准确率的情况下能满足运行时间最短,从而能够保证异常信息的实时监测。本文提出的静动态结合组网算法不但能在初始组网过程中快速找出各通信节点的最优通信支路,克服信号冲突问题,还能在原通信支路通信异常时,通过考虑低压电力线信道随机接入负载的时变性动态调整关键参数,以及通过重新计算链路指数寻找出新的通信路径建立通信,从而降低了电力线信道时变性对组网的影响,对低压电力线通信网络的抗毁性和可靠性有了很大的提高。