基于電壓與電量數據的臺區戶變關系識別方法
王曉偉
(山西瑞光熱電有限責任公司，山西 晉中 030600)
摘 要 ：當前低壓臺區戶變關系識別仍依賴傳統人工排查方式，存在治理效率低下、人力資源浪費嚴重等問題，成為臺區線損異常治理的核心瓶頸。提出一種基于寬帶載波 (HPLC) 臺區凍結 96 點電壓數據的戶變關系自動識別方法，該方法通過電壓數據預處理、皮爾遜相關性分析、電量守恒校驗及計量點檔案分支判別等多維度特征擬合，實現了低壓臺區拓撲結構的精準識別。實驗結果表明，該方法不僅克服了傳統人工識別的高成本、低效率缺陷，還解決了載波通信共“零”或耦合場景下的識別精度問題。 實際案例驗證顯示，該方法能有效定位異常戶變關系，對提升臺區線損管理水平具有顯著的工程應用價值。
關鍵詞 ： 電壓特征 ；用戶電量 ；相關因子 ；臺區戶變 ；HPLC 臺區 ；供電拓撲
中圖分類號 ：TM73 文獻標識碼 ：A 文章編號 ：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
參考文獻
[1] 宋瑋瓊，郭帥，李冀，等 . 基于電壓時序數據的配電臺區戶變關系智能識別 [J]. 電力系統及其自動化學 報，2022，34(1) ：48-55.
[2] 李開放，林湘寧，李正天，等 . 基于電壓序列最小KL散度索引的低壓臺區拓撲識別 [J]. 電力系統及其自動 化學報，2024，36(10) ：22-32.
[3] 申亞濤，谷紫文，李文美，等 . 基于電壓和功率數據的有源低壓臺區用戶相別辨識方法 [J]. 電力系統自動 化，2024，48(24) ：145-154.
[4] 黃旭波，黃磊，艾丹，等 . 基于 GIS和電壓波形相關性分析的低壓配電網拓撲識別方法 [J]. 哈爾濱理工大 學學報，2023，28(5) ：42-50.
[5] 羅鈞騰，章堅民，姚力，等 . 基于電壓和功率數據的低壓用戶相別識別優化建模與應用 [J]. 電力系統自動 化，2021，45(7) ：123-131.
[6] 楚成博，朱麗萍，方磊，等 . 基于電壓序列相似性的戶變關系與相別識別 [J]. 現代電力，2024，41(6) ： 1052-1059.
[7] 黃公躍，付婷婷，林思遠，等 . 用電信息采集系統 電能計量數據異常識別研究 [J]. 電網與清潔能源， 2023，39(4) ：25-30.
[8] 劉思偉. 用電信息采集系統電能計量數據異常分析 [C]// 廣西網絡安全和信息化聯合會. 第六屆工程技術管理與數字化轉型學術交流會論文集，2025 ：286-288.
[9] 李孟特，于晟華，王森，等. 一種基于ARIMA-LSTM組合模型的電壓偏差預測方法 [J]. 電力大數據，2022， 25(5)：28-35.
[10] 石玥 . 物流地址錯誤檢測與修復 [D]. 上海 ：華東師范 大學，2023.
[11] 劉凱，李鎮海，呂利，等 . 基于聚類分析的配電臺區拓撲識別方法 [J]. 電力系統保護與控制，2022， 50(6)：165-171.
[12] 李坤，周來，張勇軍，等 . 基于量測數據質量的低壓臺區拓撲識別結果可信度評價 [J]. 電力系統自動化， 2021，45(17)：99-107.
[13] 葛得輝，華定忠，王齊，等 . 基于虛擬回路阻抗的低壓臺區異常工況分析方法 [J]. 電力系統自動化， 2022，46(13)：104-111.
[14] 李其霖 . 數據驅動的低壓配電網拓撲智能辨識方法研究 [D]. 廣州：華南理工大學，2023.
[15] 程娟娟 . 高校科研與教學關系實證研究——基于皮爾遜相關系數的分析 [J]. 中國高校科技，2022(10)： 46-52.
[16] 郝雁翔，閆明，井泉，等 . 基于數據挖掘的戶變關系辨識技術 [J]. 電測與儀表，2024，61(9)：209-215.
[17] 駱志堅 . 高效配電網戶變拓撲系統研究及應用 [M]. 北京：中國水利水電出版社，2021.
[18] 張芝敏 . 基于用采系統的臺區戶變關系與線損異常診斷方法研究 [D]. 長沙：湖南大學，2021.
[19] 李基民，李喆，吳藝，等 . 低壓臺區線損精細化管理分析 [J]. 光源與照明，2022(9)：163-165.
