营配档案中的台区拓扑信息对于线损治理具有重要意义,准确的台区拓扑信息可以帮助管理人员分析线损来源,快速提出优化策略。在低压台区中,为计算管理线损,供电线路、台区变压器与用户三者间准确的拓扑连接关系缺一不可,包括供电线路与台区变压器间的“线变”关系、台区变压器与供电范围内用户的“变户”关系,以及台区下各单相用户的相位与接入表箱信息,无论哪一环节出现档案错误,都会影响整个线损计算,从而阻碍台区的精益化管理。在线损治理过程中发现异常线损,除“窃电”外,原因往往为营销拓扑档案更新不及时而导致营配档案不一致。工作实践中,这类问题需要依靠现场排查对拓扑档案进行校核,投入较多人力物力且效率低下。因此,亟需一种不依赖本地通信关系的线上排查方式。近年来各省市地区的智能采集设备覆盖率大大提升,提高了电力量测数据的可用性,海量数据不仅可以为线损分析和负荷预测等运维任务提供支撑,更为数据驱动的低压台区拓扑关系研究提供了可能。本文从低压台区的拓扑关系入手,根据不同供电环节的拓扑结构与量测数据特点,分别针对“线变”关系纠错、“变户”关系纠错以及台区用户接入信息辨识等三个方面展开深入研究。实际运行中,为平衡供电线路负载,调度人员会调整相应供电拓扑结构,对变压器进行线路倒闸操作,若营销档案未做相应记录,将影响最终的线损计算值。因此,需要及时对配网中变压器的线路所属关系进行辨识。本文综合考虑供电线路与配电变压器量测数据特性,提出一种数据驱动的线变关系纠错方法。首先,获取待分析线路各台区变压器的历史电压测量数据,分时段提取变压器间的余弦相似度特征矩阵;接着,将特征矩阵作为孤立森林检测器的输入,完成训练和预测的过程;最后,生成营配档案线变关系可能存在异常的变压器集合,实例分析的结果表明本文方法在线变关系纠错方面具有较高的查全率和查准率。基于正确的线变关系拓扑,进一步分析台区变压器与低压台区用户的拓扑关系,综合考虑台区变压器与低压用户量测数据特性,提出一种基于电量关系的变户关系纠错模型,建立关口电量与用户电量的关系方程,考虑用电量与线损的相关性进行求解,根据电量系数给出异常用户集合,为现场排查工作提供参考。算例分析的结果表明本文所提方法具有较高查全率,具有一定实用性。经过上述对线变、变户关系的校核,用于线损治理的台区拓扑档案已精确到各个低压供电台区,只需进一步识别各用电用户的相位信息即可对台区错户、三相负荷不平衡等问题进行识别和治理。本文考虑低压供电台区的拓扑特性,提出一种数据驱动的低压台区用户接入信息辨识方法,以同一台区下各用户的电压数据集为输入,采用机器学习中的降维方法对用户特征进行提取,减轻原始数据集冗余性,得到保留主要特征的用户低维电压特征集;接着采用无监督学习中的聚类方法对降维后的用户特征进行聚类分析,识别各个台区用户的相位与接入表箱信息。实例分析的结果表明本文所提方法具有可行性和有效性。综上所述,本文针对低压台区各个层次的营配档案不一致问题提出了数据驱动的拓扑辨识方法,基于采集系统的历史负荷数据,分别针对“线变”关系纠错、“变户”关系纠错以及低压台区用户接入信息辨识提出了数据驱动的辨识方法,可以为营配档案校核与线损治理提供参考,减轻一线工作人员负担,便于台区精益化管理。