高压配电网在地市电网中发挥着核心枢纽和平台作用,对高压配电网的改造可以有效提升高压配电网的供电能力、电能质量、可靠性和运行经济性。在高压配电网改造工程实施前对改造方案进行科学合理的精细化事前评估,有助于选择更有针对性的改造工程方案,避免投资风险。改造工程的精细化评估是在局部电网的年小时级负荷曲线的基础上实现的,但从调度数据采集与监控（Supervisory Control And Data Acquisition,SCADA）系统直接导出的原始负荷数据中存在异常数据,不能直接用于对改造工程的精细化评估,需要对异常负荷数据进行辨识。因此,本文针对上述问题,对高压配电网的异常负荷数据辨识方法和改造工程的精细化事前评估方法开展研究。本文的研究工作得到了国家重点研发计划项目“促进可再生能源消纳的风电/光伏发电负荷预测技术及应用（2018YFB0904200）”和国家电网有限公司配套科技项目（与国家重点研发计划项目同名,SGLNDKOO KJJS1800266）的资助。本文的主要创新工作如下:（1）提出基于因子分析和日负荷曲线簇的异常负荷数据辨识方法针对现有异常负荷数据辨识方法对样本的适应性不强,不能全面辨识各类异常数据等不足,本文提出基于因子分析和日负荷曲线簇的异常负荷数据辨识方法。该方法以作为高压配电网等值电源的110 kV及以上电压等级线路全年8760 h的日负荷曲线簇为样本,首先根据样本自适应地确定日负荷曲线的几种变化模式,得到日负荷曲线中满足一般日内时序变化规律的基本分量;然后基于特殊因子的分布特征确定特殊因子的合理波动范围;最后通过比较日负荷曲线与其基本分量的差异实现异常数据的辨识。算例结果表明,该方法能够实现对高压配电网110 kV及以上电压等级线路异常负荷数据的辨识,且辨识效果优于现有方法。（2）提出基于k-SVD算法和日负荷曲线簇的异常负荷数据辨识方法针对因子分析方法难以提取波动性较强的高压配电网负荷节点日负荷曲线的基本分量的问题,本文提出基于k-SVD算法和日负荷曲线簇的异常负荷数据辨识方法。该方法以高压配电网的负荷节点（主要是10 kV母线）全年8760 h的日负荷曲线簇为样本,首先基于k-SVD字典学习算法提取得到日负荷曲线的正常子模式和异常子模式;然后通过分析负荷子模式的分布特征,结合异常子模式在日负荷曲线中的成分占比,实现异常数据的辨识。算例结果表明,该方法针对10 kV母线异常负荷数据的辨识效果优于因子分析方法。（3）提出考虑公司财务状况和电网整体现状的改造工程精细化事前评估方法针对现有评估方法没有考虑公司财务状况和电网整体现状,没有实现对局部电网技术水平的精细化评估问题,本文提出考虑公司财务状况和电网整体现状的改造工程精细化事前评估方法。该方法基于局部电网全年8760 h的精细化时序状态评估改造工程对局部电网技术水平的提升效果,并在评估中考虑了公司财务状况和电网整体现状;同时,该方法还基于电网整体现状的评估结果对局部电网技术水平的相应指标权重进行调整,从而体现出电网整体现状对改造工程的导向作用。算例结果验证了该方法基于局部电网全年8760 h的时序状态进行精细化评估,以及在评估过程中考虑公司财务状况和电网整体现状的有效性。