杨 涛，孙志达，唐 明，吴栋萁，王 剑，李海波，雷 一

（1.国网浙江省电力公司电力科学研究院，杭州 310014；2.清华四川能源互联网研究院，成都 610200）

0 引言

精确的户变关系是电网公司实现营销精细化、降损增效的基础，也是保证线损准确计算的前提。电力系统配电网环节的用户供电档案和台区供电关系错乱，会导致台区线损率分析、故障定位等一系列应用无法有效开展。目前电网公司梳理台区户变关系的主要方式依旧是人工巡查或借助台区贯通仪等专用设备[1-4]来识别台区信息，由于载波信号仍可耦合到其他变压器产生跨台区通信等难题，使得台区识别准确度较低，此外需要在线路上加装采集器等硬件，全面部署受成本条件限制。

部分学者利用智能电表量测数据开展户变关系研究。文献[5]基于用户电压数据与变压器低压测量数据的相似度，利用灰色关联方法识别用户所属台区及相别。文献[6]利用电压时空相关性，对用户所属台区进行分类判别。文献[7]提出基于台区相线相位差异的统计特征判定用户台区归属。上述研究指出相同户变关系的电压数据在时空上的相关性，表明通过数据层面识别户变关系的可行性，但在适用性方面还需继续研究。此外，上述研究所使用的电压数据在维度上和体量上各不相同，但总体数据样本不大，如何利用积累的海量电压数据，挖掘有用信息以准确识别户变关系还未见相关报道。

随着数据挖掘和机器学习技术的不断发展，人工智能神经网络算法被广泛用于模式识别、聚类和分类等场景，其中BP（反向传播）神经网络具有极强的函数逼近与模式分类能力，广泛用于负荷预测、负荷分类[8-10]等领域。……