针对数据丢包对拓扑识别影响广泛且严重的问题，本文提出了一种基于平均插值滤波和卡尔曼滤波器的数据补偿方法。首先，为模拟实际场景中复杂的丢包情况，建立了随机丢包模型，并将不同丢包参数下的识别准确率作为鲁棒性评价指标。然后，基于数据丢包时刻前后的量测值，用平均插值滤波法在数据丢包时间点（段）上填补虚拟量测值并视作实际值，与卡尔曼滤波器中的先验估计值相结合得到最优估计值。最后，在多个台区算例中验证所提方法的有效性，并与其他插值方法进行了比较分析，结果表明本文提出的策略可以有效提升识别算法对数据丢包问题的鲁棒性，实现了较高的识别精度。