1.一种基于智能电表的低压配电网相位识别方法，其特征在于：包括以下步骤：步骤1：从智能电表采集用户与配变变压器高频电压数据，并基于小波系数过滤高频分量重构电压波形；步骤2：基于海量重构电压波形构建基本特征类型；步骤3：基于步骤2构建的基本特征类型，从重构电压波形提取特征序列；步骤4：计算用户与配变变压器提取特征的显著性指标；步骤5：基于步骤4计算的特征显著性指标计算用户与配变变压器A相B相C相电压特征相似度并判断相位；所述步骤2基于海量重构电压信号构建基本特征类型的方法，其具体流程步骤如下：步骤2.1：基于重构电压波形，归纳波形的时空特征；步骤2.2：形成四种常见的时空特征类型；类型A为“V”型结构，即先下降后上升，物理特征类似电器开启到电器关断，其电压下降时间为 T down ，电压上升时间为 T up ；类型B为“倒V”型结构，即先上升后下降，物理特征类似电器关断到电器开启，其电压下降时间为 T down ，电压上升时间为 T up ；类型C为“连续上升或下降”型结构，即在很短时间 T shock 发生了连续的上升或下降；类型D为“持续性上升或下降”结构，即上升持续了很长时间 T hold ，中间存在小幅度的波动；所述步骤3中，基于用户及所在配变变压器重构电压波形提取特征序列，其具体流程步骤如下：基于步骤2中的典型4种电压类型提取用户与配变变压器A相B相C相的电压特征序列 F ；所述步骤4中，对于任意特征序列 F ，每一个特征计算其特征显著性指标；具体为12个指标，包含以下方面：①对于所有特征类型而言，其指标包括特征起始时刻 t start ，特征结束时刻 t end ，特征持续时长 T hold ，变异系数 CV ，极差 R ，方差 Var ；假设某特征时间窗口内重构电压为 X ={ x 1 , x 2 ,…, x m }， m 表示窗口长度，变异系数 CV 计算公式如下：式中， σ 为重构电压数据标准差， μ 为重构电压数据平均值；极差计算公式如下：式中，max( X )为重构电压最大值，min( X )为重构电压最小值；方差计算公式如下：②对于A、B类特征，其特有显著性指标有电压上升时长 T up ，电压下降时长 T down ，峰值电压大小 U peak ；③对于C类特征，其特有显著性指标有电压突变时刻 t shock ，电压突变大小 U shock ；④对于D类特征，其特有显著性指标有电压变化率 U rate 。
2.根据权利要求1所述的一种基于智能电表的低压配电网相位识别方法，其特征在于：所述步骤1从智能电表采集用户与配变变压器高频电压数据，并基于小波系数重构电压波形，具体流程步骤如下：步骤1.1：基于智能电表获取高频原始电压信号 U ；步骤1.2：基于原始电压信号进行小波变换，分析电压波形中时域特性和频域特性， 基于不同的小波系数进行重构；步骤1.3：计算得到小波3次分解后的低频分量 UL 3 和三级高频 UH 1 ， UH 2 ， UH 3 ，过滤高频分量并得到重构电压信号 X 。
3.根据权利要求1所述的一种基于智能电表的低压配电网相位识别方法，其特征在于：所述步骤5中，基于步骤4计算的特征显著性指标计算用户与配变变压器A相B相C相电压特征相似度并判断相位；具体流程步骤如下所示：步骤5.1：计算用户 i 与配变变压器特征的各自特征序列 F i ， F A ， F B ， F C ；其中用户 i 的特征指标矩阵为：式中， 为 t 时段第 s 个特征指标， T 为时段总数；步骤5.2：考虑到各个指标量纲不同，对12个指标分别进行标准化；基于min-max算法进行数据处理，以特征1指标 t start 为例，假定其指标序列为 ， n 为用户总量，计算公式如下：式中， 为 基于min-max算法计算后的对应结果， 为特征1指标 t start 序列的最小值， 为特征1指标 t start 序列的最大值；步骤5.3：步骤5.2标准化后生成用户 i 与配变变压器特征的各自特征矩阵 ，其中 矩阵为：式中， 为 t 时段第 s 个标准化后的特征指标；假定标准化后用户 i 特征1 t start 的序列为 ，变压器A相特征1 t start 的序列为 ,两者欧式距离定义为 ，计算公式如下：步骤5.4：分别计算 与 、 、 的欧式距离，特征平均欧式距离越小则其关联度越高，用户 i 与配变变压器A相的平均欧式距离如下式所示：式中， 为第 i 户与配变变压器A相第 s 个特征的欧式距离；步骤5.5：分别计算 ， ， 并比较大小，越小则关联度越高，以关联度高的为用户 i 所属相位。
