大规模分布式电源、储能与电动汽车的接入对配电网状态监测与运行控制带来了挑战。基于配电网同步相量测量单元(phasor measurement unit,PMU)的广域量测系统被认为是解决这一问题的有效方式。然而,采用低成本晶振时,现有的同步时钟算法难以满足配电网PMU对同步时钟高精度、高稳定性、低成本的要求。为满足配电网PMU应用的需求,提出一种基于Kalman滤波器与BP神经网络的授时/守时算法。基于卫星信号误差与晶振频率数学模型,利用Kalman滤波器对卫星信号的随机误差进行滤除,提高授时精度,并提供准确的晶振状态数据。利用此数据训练BP神经网络模型,刻画出晶振频率的老化规律,提高守时性能。在卫星信号正常接入与失锁场景下,基于实际时钟装置量测数据进行测试验证。测试结果显示,文中所提算法在不提高现有硬件成本的基础上,有效提高了同步时钟的算法性能。