基于电压与电量数据的台区户变关系识别方法

 

王晓伟

(山西瑞光热电有限责任公司，山西 晋中 030600)

 

    摘 要 ：当前低压台区户变关系识别仍依赖传统人工排查方式，存在治理效率低下、人力资源浪费严重等问题，成为台区线损异常治理的核心瓶颈。提出一种基于宽带载波 (HPLC) 台区冻结 96 点电压数据的户变关系自动识别方法，该方法通过电压数据预处理、皮尔逊相关性分析、电量守恒校验及计量点档案分支判别等多维度特征拟合，实现了低压台区拓扑结构的精准识别。实验结果表明，该方法不仅克服了传统人工识别的高成本、低效率缺陷，还解决了载波通信共“零”或耦合场景下的识别精度问题。 实际案例验证显示，该方法能有效定位异常户变关系，对提升台区线损管理水平具有显著的工程应用价值。

    关键词 ： 电压特征 ；用户电量 ；相关因子 ；台区户变 ；HPLC 台区 ；供电拓扑

    中图分类号 ：TM73     文献标识码 ：A     文章编号 ：1007-3175(2025)12-0071-06

 

Identification Method for Customer-Transformer Relationship in Distribution Transformers Based on Voltage and Power Consumption Data

 

WANG Xiao-wei

（Shanxi Ruiguang Thermal Power Co., Ltd, Jinzhong 030600, China）

 

    Abstract: Currently, the identification of customer-transformer relationships in low-voltage distribution transformers still relies on traditional manual inspection methods, which suffer from problems such as low governance efficiency and severe waste of human resources, becoming a core bottleneck in addressing abnormal line losses in distribution transformers. An automatic identification method for customer-transformer relationships based on 96-point frozen voltage data of high-power line carrier (HPLC) distribution transformers is proposed. Through multi-dimensional feature fitting including voltage data preprocessing, Pearson correlation analysis, power conservation verification, and metering point file branch discrimination, this method achieves accurate identification of the topological structure of low-voltage distribution transformers. Experimental results show that the method not only overcomes the defects of high cost and low efficiency of traditional manual identification but also solves the problem of identification accuracy in scenarios of common“zero”or coupling in carrier communication. Practical case verification indicates that the method can effectively locate abnormal customer-transformer relationships and has significant engineering application value for improving the level of line loss management in distribution transformers.

    Key words: voltage characteristics; user power consumption; correlation factor; customer-transformer in distribution transformer; HPLC distribution transformer; power supply topology

 

参考文献

[1] 宋玮琼，郭帅，李冀，等 . 基于电压时序数据的配电台区户变关系智能识别 [J]. 电力系统及其自动化学 报，2022，34(1) ：48-55.

[2] 李开放，林湘宁，李正天，等 . 基于电压序列最小KL散度索引的低压台区拓扑识别 [J]. 电力系统及其自动 化学报，2024，36(10) ：22-32.

[3] 申亚涛，谷紫文，李文美，等 . 基于电压和功率数据的有源低压台区用户相别辨识方法 [J]. 电力系统自动 化，2024，48(24) ：145-154.

[4] 黄旭波，黄磊，艾丹，等 . 基于 GIS和电压波形相关性分析的低压配电网拓扑识别方法 [J]. 哈尔滨理工大 学学报，2023，28(5) ：42-50.

[5] 罗钧腾，章坚民，姚力，等 . 基于电压和功率数据的低压用户相别识别优化建模与应用 [J]. 电力系统自动 化，2021，45(7) ：123-131.

[6] 楚成博，朱丽萍，方磊，等 . 基于电压序列相似性的户变关系与相别识别 [J]. 现代电力，2024，41(6) ： 1052-1059.

[7] 黄公跃，付婷婷，林思远，等 . 用电信息采集系统 电能计量数据异常识别研究 [J]. 电网与清洁能源， 2023，39(4) ：25-30.

[8] 刘思伟. 用电信息采集系统电能计量数据异常分析 [C]// 广西网络安全和信息化联合会. 第六届工程技术管理与数字化转型学术交流会论文集，2025 ：286-288.

[9] 李孟特，于晟华，王森，等. 一种基于ARIMA-LSTM组合模型的电压偏差预测方法 [J]. 电力大数据，2022， 25(5)：28-35.

[10] 石玥 . 物流地址错误检测与修复 [D]. 上海 ：华东师范 大学，2023.

[11] 刘凯，李镇海，吕利，等 . 基于聚类分析的配电台区拓扑识别方法 [J]. 电力系统保护与控制，2022， 50(6)：165-171.

[12] 李坤，周来，张勇军，等 . 基于量测数据质量的低压台区拓扑识别结果可信度评价 [J]. 电力系统自动化， 2021，45(17)：99-107.

[13] 葛得辉，华定忠，王齐，等 . 基于虚拟回路阻抗的低压台区异常工况分析方法 [J]. 电力系统自动化， 2022，46(13)：104-111.

[14] 李其霖 . 数据驱动的低压配电网拓扑智能辨识方法研究 [D]. 广州：华南理工大学，2023.

[15] 程娟娟 . 高校科研与教学关系实证研究——基于皮尔逊相关系数的分析 [J]. 中国高校科技，2022(10)： 46-52.

[16] 郝雁翔，闫明，井泉，等 . 基于数据挖掘的户变关系辨识技术 [J]. 电测与仪表，2024，61(9)：209-215.

[17] 骆志坚 . 高效配电网户变拓扑系统研究及应用 [M]. 北京：中国水利水电出版社，2021.

[18] 张芝敏 . 基于用采系统的台区户变关系与线损异常诊断方法研究 [D]. 长沙：湖南大学，2021.

[19] 李基民，李喆，吴艺，等 . 低压台区线损精细化管理分析 [J]. 光源与照明，2022(9)：163-165.