目前,电力行业基本完成了上层的信息化应用对业务的全覆盖,和底层电网的自动化相关技术的局部应用,但是两者的信息之间缺乏交互,自动化数据和信息化数据的结合不充分导致台区档案混乱以及相关数据资源缺失,影响了窃电工作的进行。在户变关系识别方面,传统的依靠人力进行户变关系核查投入较大,实时性较差,虽然国内外不少学者采取了不同的方式进行研发以及改进,但现有的划分台区线路层级关系与连接关系的方式存在各种缺陷。在窃电方面,一方面,窃电导致管理线损居高不下,另一方面,一般的窃电研究剔除了户变关系改变或者错误的情况。课题在此背景下,在窃电研究时将用户与变压器的对应关系(户变关系)考虑进去,从而探索一种反窃电方式,即:计及户变关系的反窃电研究。课题在已建立的信息系统和计量自动化系统的基础上,分别对户变关系识别和窃电识别进行研究。(1)通过对电压过零点的畸变特性进行分析对比,发现同一台区电力线上的电压过零偏差较小,不同台区间的电压过零偏差较大,因此,利用电力线工频电压过零点特性和宽带载波高速时钟同步技术采集户表和集中器所在位置的偏移数据,然后对数据进行分析判断电表所属台区(识别户变关系),最后更新营销信息系统里的户变关系。(2)在户变关系实时更新的基础上,保证窃电识别的结果不会因为用户户变关系变化而发生误判,因此一定程度上保证数据来源的准确性,也为工作人员对窃电嫌疑用户的稽查工作提供便利,通过对窃电特征进行分析,确定有效的窃电判据,建立窃电识别模型,其中常用的BP神经网络和SVM的模型准确率分别为85.2%和97.7%。通过以上两方面的研究,相对于传统方式具有以下三方面优势:(1)由于混合台区的供电域与通信域存在不一致导致负载所属台区的误判或漏判,因此课题在载波通信的基础上,利用电压过零偏移特性进行户变关系的识别,提供台区识别的补充判据;(2)针对窃电辨识研究中存在由于用户户变关系的改变产生误判等问题,在户变关系实时更新的基础上,进行窃电识别,一定程度上保证数据的质量;(3)针对窃电用户的取证困难问题,通过建立信息平台,获取窃电嫌疑用户实时用电信息,以此作为依据。课题通过户变关系识别及窃电识别相关技术的研究,提供了一种反窃电策略。