随着分布式能源在配电网中的渗透率不断提高,以分布式能源和可再生能源为代表的新能源系统在经济社会中发挥着越来越重要的作用。精确的配电网连接模型是保证这些新能源系统中的能量管理系统,停电管理系统,配电管理系统等安全稳定运行的关键。台区和相位连接信息是配电网连接模型中的重要组成部分。但由于线路优化整改、新小区的线路建设等,相位和台区信息往往与实际信息不一致,台区和相位识别技术成为了自动抄表系统中的关键技术。随着新能源系统和智能电网的发展,电力线载波自动抄表系统逐渐无法满足电力公司的要求。出现了许多非电力线载波的新型自动抄表技术,这些技术的通信信道与电力线相分离,对新型的相位和台区识别算法提出了需求。本文围绕非电力线载波自动抄表系统的相位和台区识别问题,充分利用聚类的相关思想,对新型相位和台区识别技术进行了进一步研究。本文的主要工作包括以下几点:基于谱聚类的相位识别算法研究。现有的针对非电力线载波自动抄表系统的相位识别算法相对较少,而且其中基于硬件的方法大多存在成本问题,基于数据的相位识别算法大多存在识别精度低,效率低等问题。本文提出了一种基于电压数据的谱聚类相位识别算法,该算法除智能电表外不需要其他额外的设备。算法通过归一化的谱聚类算法将数据集分为几个集群,然后根据馈线测量和部分准确的相位信息来确定所有集群的相位标签。利用公开的欧洲低压测试馈线数据集进行实验,分别研究了算法在无噪声和有噪声的情况下,随机移除一些电表以及不同采样总时间及电压时间分辨率几种案例的性能指标。并与传统k-means相位识别算法进行了对比。仿真和对比实验表明我们所提出的算法具有更高的准确率、稳定性和可靠性。基于k-means的台区识别算法研究。现有的台区识别方法大都是人工通过电力线载波与脉冲电流相结合的台区识别仪来进行实地识别。而基于智能电表数据的台区识别算法很少,而且大多存在识别速度慢、精度低等问题。因此本文充分利用智能电表的电压数据和聚类方法,提出了一种基于k-means的台区识别算法。并且提出了用户和集中器进行台区识别的解决方案,包括台区识别的算法和系统设计。算法首先通过轮廓系数法来确定聚类的簇数,然后利用k-means对这些智能电表的电压数据进行聚类,最后根据馈线测量和部分准确的台区信息来确定电表的台区归属。通过公开的数据集进行验证,证明了算法的有效性。