基于粒子群算法的低压用户超容用电优化研判策略.pdf

2023年3 月第2 6 卷第3 期Mar.2023,Vol.26,No.3电力大数据POWER SYSTEMS AND BIG DATA大数据专题Big Data Special Reports基于粒子群算法的低压用户超容用电优化研判策略黄建文，张哲深，吴杭，吴海峰，陈培毅（国网苍南县供电公司，浙江苍南32 58 0 0）摘要：随着我国的经济不断发展，电网规模逐渐扩大，面临的挑战也逐渐增加。电网末端极容易出现低电压和用户超容用电等问题，低压用户超容用电会严重影响局部电力系统稳定性，容易造成线损增加甚至威胁电网安全。本文提出了一种基于粒子群算法的低压用户超容用电优化研判策略，建立了用户特征优化模型，通过分析海量用户数据中出现的异常情况来准确判断用户是否为低压超容用户，同时针对海量低压超容用户研判的常规流程进行改进，提出了优化研判策略。算例结果表明，本文所述方法能够从海量用户中准确研判低压超容用户，并且较人工审核方式提高了2.8 6%的判断准确率。关键词：超容用电用户；用户特征分析；用户数据；智能研判；粒子群中图分类号：TM714文章编号：2 0 96-46 33(2 0 2 3)0 3-0 0 44-0 8随着国家经济建设不断发展，电网规模逐年扩大，同时随着我国工业规模不断扩大，部分偏远地区也逐渐出现工厂用户。随着配电网规模不断增加，配电网线路也逐渐延长，部分配电网线路末端用户尤其是工业用户容易出现低电压问题 1-2 。用户负荷的增加也会带来部分用户超容用电的情况，低电压问题在电网末端普遍存在，同时这两个问题一般存在关联性。低压且超容的用户一方面会影响电能质量 3-41，威胁局部电力系统稳定，另一方面也会给国家带来相关的经济损失，尤其在目前常态化有序用电的状况下，电力系统中缺少电力供应，低压超容用户的存在不仅会带来经济损失，还会影响有序用电方案的实施，不利于负荷调控 5。因此如何智能研判、准确定位低压超容用户位置成为目前呕待解决的问题,研究用户用电特征和相互关联性问题也就显得尤为重要。目前，查询低压超容用户的方法均为人工探查，即简单的用户用电量数据初步筛查后，筛选出偏差较大的数据，然后就这些数据对应的用户进行人工现场排查。就效果而言，这种方法一方面浪费时间成本，另一方面仅经过人工简单筛选的数据准确率较低，很容易让工作人员“白跑一趟”，造成人力成本浪费。同时对于低压超容用户的判别，一般会在每年定期检查，对于供电公司而言，如果用户确为低压44文献标志码：ADOI:10.19317/ki.1008-083x.2023.03.006超容用户，则会造成将近一年的损失，虽然可以通过罚款、用户增容等手段进行后续处理，但如果能尽早筛查出低压超容用户并及时整改，将更有利于用户和电网企业。对于目前的电网规模而言，人工筛查的方法处理数据速度和能力均有不足，因此本文考虑采取粒子群算法来解决这些问题 6 。通过分析用户特征，得出用户特征量，根据用户特征量判断是否属于低压超容用户。算法智能研判低压超容用户的优点在于节约人力成本，并能提供对海量负荷数据的实时监控服务，快速准确找到低压超容用户，及时针对低压超容用户采取措施，对于提高经济效益，减轻电网压力，提高电力系统稳定性具有卓越成效 7-9。在电能质量治理方面，文献 10 针对孤岛微电网电能质量调节提出了一种方法，该方法是将剩余容量与输出的非基频功率之差作为输人，并为谐波电流和负序电流分别提供阻抗尽可能小的流通路径，达到改善微电网电能质量的目标。文献 11 综述了直流配电网电能质量的特征，阐述了电能质量事件的产生机理、影响及评价指标，讨论了适用于直流配电网电能质量扰动定位的方法，最后对直流配电网电能质量未来研究趋势进行了探讨。文献 12 提出了利用电能质量监测数据检测污染企业环保工况的方法，已解决目前污染企业环保异常工况监测开放获取第3期困难、识别误差大、结果易被篡改等问题。文献 13提出了一种采用多监测点频率相关性对数据时效性进行评估的方法，解决了电能质量扰动数据的误差问题，并证明了其有效性。文献 14 对多台电动汽车充电桩接入并网后对配电网电能质量的影响，仿真结果显示：随着电动汽车充电桩台数的增加，接入点各次谐波电流幅值呈增加的趋势；背景谐波电压的存在使得电动汽车充电桩各次谐波发生更严重的畸变。文献 15 提出了一种基于深度置信网络的电能质量扰动分类方法，主要通过对电能质量扰动信号进行平稳小波多尺度变换，实现对电能质量扰动信号的去噪，再重构原始信号，实现对电能质量扰动信号的去噪，再对电能质量扰动信号分类。经算例验证，在2 0 dB噪声干扰下，其分类正确率已达到93%以上，证明该方法具备抗噪音干扰能力。在低电压治理方面，文献 16 针对配电网低电压问题提出利用无功补偿的解决方案，并进行建模和仿真，意图通过低压配电网电压型无功控制策略解决低电压问题，从而确保配电网供电的安全性和可持续性。文献 17 提出了一种考虑电源和负荷不确定性及其相互影响的配电网低压综合治理规划方法，从配电网的运行调整和新建工程两方面治理低电压，利用考虑源荷负荷不确定性导致的随机因素极端情况下的求解方法，最终算例结果表明该文章方法具有实用性和有效性，能够为配网低电压问题提供解决思路。文献 18 提出了柔性交直流切换配电系统，可在提高电压质量的同时保证系统运行灵活性，主要方法是在配电线路首末两端装设变流器和断路器组，按需运行于直流配电模态或者交流配电模态，最终解决了配电系统末端低电压问题，并利用Matlab/Simulink仿真以及实验结果验证了该方案的有效性。文献 19 提出一种基于光储系统协调的控制策略以抬升配电网末端线路电压的方法，主要是通过光伏和储能系统的DC/DC转换器提供功率补偿，给出稳定的电压支持，并利用Matlab/Simulink仿真平台验证了该方案的有效性。文献20提出了一种低压配电网智能识别算法，能够对低压分支线路进行线损监控，确保配电网安全稳定运行。文献 2 1 提出了一种将负荷换相预决策和滚动优化相结合的三相不平衡治理方法，仿真分析表黄建文，等：基于粒子群算法的低压用户超容用电优化研判策略属于低电压用户并未提及。在稽查低压超容用户研究方面，文献 2 2 针对一种能超额定容量1.5倍甚至2 倍、且能持续超容运行2 小时以上的非国标高超容变压器提出了一种查处方法。文献 2 3-2 4 对用户超容用电现象进行了阐述，分析了用户超容用电原因。以上文献分析了低压超容用户形成原因，但并未对该原因进行系统性的定性定量总结。本文提出了基于粒子群算法的低压用户超容用电智能研判优化策略。首先对用户进行建模，准确分析用户特征，在建模中结合了传统判断方法和优化判断方法，然后提出一套研判流程优化策略。通过系统化判断确保数据筛选精度，保证能够准确快速地筛选到低压超容用户，多个统计日内出现异常数据的用户，即可将其定义为疑似低压超容用户，从而能够达到准确判断、减轻工作人员作业压力的目的。1超容用户判据模型1.1低压超容用户判据为了准确描述低压超容用户负荷特征，精确定位低压超容用户，本文分析了各类负荷数据，采取数据聚类办法对历史用户数据进行广泛研究，针对不同用户的用电特征，用电习惯，设计了以下几个指标作为用户超容的判据组成 2 5。（1)单一统计日用户超容判据当获取到用户全天用电总量后，应根据一定规则判断其平均用电量Qa，并与合同容量Q进行对比。由于工业用户与居民用户用电习惯和电费计费方式不同，因此采取两套计算方法分别计算两种用户。对于工业用户普遍采取峰谷电价制度，因此对于工业用户平均用电量计算公式如下：(Q,+Q+Q,+QI)Qa.i=day或明，所提方法能在没有历史数据或实时数据的情况下，仍具有三相不平衡抑制能力。以上文献主要针对低电压治理提出技术解决方案，对如何判定用户(1)t;451/2电力大数据ZQ:数，但并非存在超容天数即为超容用户。为增加超Qa.i=dayti考虑到正向有功总电量可能存在统计误差，因此选择两种公式计算均可。其中统计时常以天为单位，其中Q。为用户尖峰用电量，Q。为用户高峰用电量，Qp为用户平时用电量，Q为用户低谷用电量，第2 6 卷(2)容用户判断准确率，应为全年出现不同天数超容情况的用户增加置信度判断。下式为根据经验判断得到的用户置信度C，计算公式：C,=70%Xlogtxear(t.)+20%X+10%XyearQ，为用户正向有功总电量，t为工业用户计量时间，视工业类型而定。对于居民用户，平均用电量计算公式如下：Z(Q。+Q I)Q.r=dayt或Q.dayQa.r=t,其中居民用户只有平时电量与低谷电量两种计量方式，t，为居民用户计量时间。无论哪种用户，若满足下列不等式：QaQ则可判断该统计日用户存在超容用电现象，记超容日为D。(2)超容用户周期判据单一统计日用户超容并不能直接判定该用户为超容用户，同时由于电网营销部门存在数据收集、统计和整理的周期，记判定周期为N日，在该判定周期N内有以下公式：(Dc.r+1-De.3(Dcr+2-De5,E N)(D ec.a+2 Dc.r+1 50%时，即可判断该用户确为超容用户，用户加权超容置信度50%Ci.r30%时，由于统计数据偏差，可能该用户为超容用户，因此可以根据该用户历史上是否超容来195,80.03%60120图1超容置信度曲线180天数240300360(8)第3期黄建文，等：基于粒子群算法的低压用户超容用电优化研判策略获取的用户数据中有时会存在采集错误或误差确定该用户的超容情况，或采取人工确认的方式进行判断。当Ci.f数据示例苍南XX工艺厂棉纺织及印染精加工金乡服务区低压非居民20.0kW20.0kW438.22kW.h正向有功电量（尖）37.12kW h计如正向有功电量（峰）计算工业用户计算祥出工业用户计章医代用户*，得出医民用户CLE图2 超容用户判断流程183.29kW h正向有功电量（平）OkWh正向有功电量（谷）217.82kW.h非招容用户2.2用户数据预处理规则YY用产为超客容用产斯定位用户记置人工校查大的数据，在预处理阶段应识别并删除这类数据，减客用户少后续数据处理和应用的计算量。数据筛选规则如下。（1)寻找数据中电量异常为0 的用户数据予以补正或筛除。如某用户正向有功总电量为0，而其峰谷平时使用电量不为零，则为总电量计算有误，应当予以补正；如某用户全年用电量均为零，而其又为活动用户，则为计量系统出现错误，应当予以筛除。（2）如用户运行容量大于合同容量，应当予以人工核查，再定性为异常用户或数据错误。一般而言用户运行容量应小于等于合同容量（合同容量即为用户与电网约定的计费容量），一般不会出现运行容量大于合同容量的情况，如果运行容量大于合同容量，应告警并提示人工审查，并筛除该数据。(3)判断用电类别描述中的数值不带有“低压”的，不属于本文研究的低压用户，予以筛除。（4)用户数据中出现异常空数值的应予以筛除。2.3算例分析(1)单一用户判断实例选取某用户，其用户基本信息如表2 所示。47.电力大数据表2 实例用户信息表该用户统计周期内超容置信度指标计算如表3Tab.2Instanceuser information table字段名用户信息户名李XX行业描述金属废料和碎屑加工处理单位名称矾山服务区用电类别描述低压非居民合同容量20kW统计周期从2 0 18 年1月1日至2 0 2 2 年5月11日，其中2 0 18 年、2 0 19年、2 0 2 1年全年统计天数为365天，2 0 2 0 年为36 6 天，2 0 2 2 年为131天，共计1592天，其平均电量曲线如下图3所示。353025-2015-10-5-0+0图3统计周期内实例用户平均电量曲线Fig.3Average electricity consumption curve ofinstance users during the statistical period经过整理，其平均电量分布图如下图4所示。200150(?）斗100500-0图4统计周期内实例用户平均电量趋势图Fig.4Trend Chart of Average Energy Consumption ofInstance Usersduring the Statistical Period显然该用户一定满足超容用户周期判据，即1.1节公式(6)。48第2 6 卷所示。表3不同统计年内用户指标Tab.3User indicators in different statistical years超容天数超容置信度超容权重加权置信度2018277201926920201812021220202251其中2 0 2 0 年和2 0 2 2 年由于全年统计天数不为365天，根据1.1.3节的公式（7)，其超容置信度与其2018年他年份计算公式不同。根据上述指标可以判断该用2019年2020年2021年2022年16051089.91%88.98%78.22%83.15%70.45%户一定为超容用户。(2)全体用户分析实例使用本文所述方法对研究地区全体用户进行排查，得出低压超容用户共144户，用时1小时2 3分钟，根据苍南供电公司营销部门2 0 2 2 年中旬的排查结果为140 户，判断准确率为10 2.8 6%，且本文所述方法得出的低压用户在营销部门的排查结果中均有对应。120180日期1520平均电量98.90%97.98%1.186.04%91.47%77.50%2403002018年2019年2020年2021年2022年253036035402.4后续整改措施(1)短信告知超容用户，申请增加变压器容量。对于超容用户，根据单位名称、户名和户号可以准确定位，并通过手机短信告知用户变压器已超容使用，需尽快办理申请增容手续，否则将对超容用户进行限电或采取相应整理措施。(2)变压器使用容量低于规定容量，增加工作时间时长。通知超容用户的变压器已超容使用，需要减少设备投人使用，减少用电量，可适当增加工作时长或者采取倒班制工作。3结论本文提出了一种基于粒子群算法的低压超容用户研判策略，本文提出的策略完善了传统人工排查方法，能够减轻人工的工作量，实时、准确研判用户是否超容用电，减轻电网压力，提高电网负荷调控能力。同时本文方法具备推广潜力。本文的主要结论如下：第3期（1)本文量化了低压超容用户的判别方式，通过公式定义了低压超容用户的用户特征，为从海量用户数据中有效识别低压超容用户提供了依据；(2)本文建立了低压超容用户判断流程，给出了研判低压超容用户的逻辑顺序，解决了低压超容用户难以利用计算机算法实现流程化判断的问题，具备替代人工研判的可行性；(3)本文的判别依据和判断流程均采取标准化方法，不对某一特定地区研究，够推广至任何地区；(4)算例结果表明，本文所述方法具有准确性和有效性。利用本文方法能够快速准确研判低压超容用户，节约人力，同时较人工审核方式提高了2.8 6%的判断准确率。参考文献：1李军徽，张嘉辉，穆钢，等.计及负荷峰谷特性的储能调峰日前优化调度策略J.电力自动化设备，2 0 2 0，40（0 7）：12 8-133+140.LI Junhui,ZHANG Jiahui,MU Gang,et al.Day-ahead optimalscheduling strategy of peak regulation for energy storageconsidering peak and valley characteristics of load J.ElectricPowerAutomationEquipment,2020,40(07):128-133+140.2王小虎，戴乔旭.低电压问题成因分析及措施制定系统的设计JJ.机电工程技术，2 0 2 2,51(12)：2 38-2 40+2 56.WANG Xiaohu,DAI Qiaoxu.Analysis of causes of low voltageproblems and design of measure-making system J.Mechanical&Electrical Engineering Technology,2022,51(12):238-240+256.3刘科研，盛万兴，秦梦雅，等.计及多种扰动源的有源配电网电能质量分析方法 J.电网技术，2 0 2 0，44（0 6）：2 30 3-2 30 9.LIU Keyan,SHENG Wanxing,QIN Mengya,et al.Powerquality analysis for active distribution network consideringmultiple disturbance sources J.Power System Technology,2020,44(06):2303-2309.4子孙广宇，李永丽，靳伟，等.基于三相多功能逆变器的微电网电能质量综合治理策略J.电网技术，2 0 19，43（0 4)：12 11-12 2 1.SUN Guangyu,LI Yongli,JIN Wei,et al,A comprehensivepower quality control strategy for microgrid based on three-phase multi-function invertersJJ.Power System Technology,2019,43(04):1211-1221.5 王伊宁，丁坚勇，田世明，等.基于智能多代理属地管理系统的有序用电模式 J.电网技术，2 0 19，43（0 5）：18 0 2-18 15.WANG Yining,DING Jianyong,TIAN Shiming,et al,Anorderly power utilization mode based on intelligent multi-agentapanage management systemJ.Power System Technology,2019,43(05):1802-1815.6 LI Junhui,ZHANG Zheshen,SHEN Baoxing,et al.The capacity黄建文，等：基于粒子群算法的低压用户超容用电优化研判策略Production,2020,275:122902.7Dominguez R,Carrion M,Oggioni G.Planning and operating arenewable-dominated EuropeanpowersystemunderuncertaintyLJJ.Applied Energy,2020,258:113989.8刘天如.电力营销现场稽查作业系统的研究 D.保定：华北电力大学，2 0 16.LIU Tianru.The research of the electric power marketing on-site inspection operation system D.Baoding:North ChinaElectric Power University,2016.9王立斌，张思为，马浩，等.基于TOPSIS的私自增容专变电力用户排查方法J.电力大数据，2 0 2 0，2 3（0 6）：43-50.WANG Libin,ZHANG Siwei,MA Hao,et al.Investigationmethod for power users of privately-increasing power supplycapacity of special transformer based on TOPSISJJ.PowerSystems and Big Data,2020,23(06):43-50.10王杨，唐俊苗，赵劲帅，等.基于自适应虚拟阻抗控制的孤岛微电网电能质量优化策略 J.电力系统自动化，2 0 2 2，47（0 7：63-73.WANG Yang,TANG Junmiao,ZHAO Jinshuai,et al.Powerquality optimization strategy in islanded microgrid based onadaptive virtual impedance controlLJJ.Automation of ElectricPower Systems,2022,47(07):63-73.11王强钢，周亦尧，廖建权，等.直流配电网电能质量研究综述J.电力系统自动化，2 0 2 3，47（0 7）：193-2 0 7.WANG Qianggang,ZHOU Yiyao,LIAO Jianquan et al.Areview on power quality in DC distribution network J.Automation of Electric Power Systems,2023,47(07):193-207.12张逸，姚文旭，邵振国，等.基于电能质量监测数据的企业环保异常工况识别 J.电力系统自动化，2 0 2 347（0 5）：18 0-18 9.ZHANG Yi,YAO Wenxu,SHAO Zhenguo,et al.Identificationof abnormal operation condition for environmental protectionin enterprises based on power quality monitoring data J.Automation of Electric Power Systems,2023,47(05):180-189.13王俊淇，张华赢，胡文曦，等.电能质量扰动数据可用性评估与可视化软件设计J.电网技术，2 0 2 2，46（0 3）：110 9-1116.WANG Junqi,ZHANG Huaying,HU Wenxi,et al.Usabilityevaluation and visualization software design for power qualitydisturbance dataJJ.Power System Technology,2022,46(03):1109-1116.14刘志凯，郑文悦，李海弘，等.多接人电动汽车充电桩对电网谐波的影响研究 J.浙江电力，2 0 2 0，39（0 2）：7 7-8 2.LIU Zhikai,ZHENG Wenyue,LI Haihong,et al.Study on theimpact of electric vehicle charging pole with multiple accesspoints on power grid harmonicJ.Zhejiang Electric Power,2020,39(02):77-82.15王康，席燕辉，胡康.一种新的基于深度置信网络的电能质量扰动分类方法J.电力科学与技术学报，2 0 2 3，38（0 1）：171-177.49allocation method of photovoltaic and energy storage hybridsystem considering the whole life cycleJJ.Journal of Cleaner电力大数据WANG Kang,XI Yanhui,HU Kang.A novel classificiation22潘杰.查处高超容变压器用户的方法J.大众用电，2 0 2 2，37method for power quality disturbance based on deep belief(09):18-work JJ.Journal of Eiectric Power Science andPAN Jie.Methods for investigating and dealing with users ofTechnology,2023,38(01):171-177.high supercapacity transformers JJ.Popular Utilization of16李昊鹏.基于无功补偿技术的配电网低电压问题治理的研究Electricity,2022,37(09):18-19.J.电工技术，2 0 2 2(0 7)：6 2-6 3.23乔磊，张昊，高普杰.关于客户超容用电的几点思考 .农村电LI Haopeng.Research on low voltage control of distribution工,2 0 2 2,30(0 1):work based on reactive power compensation technologyJ.QIAO Lei,ZHANG Hao,GAO Pujie.Some thoughts on usersElectric Engineering,2022(07):62-63.overcapacity electricity consumptionJJ.Rural Electician,2022,17 陈海东，王鑫，王勇，等.考虑源荷两侧不确定性及其相互影响30(01):16.的配电网低电压综合治理规划.电力电容器与无功补偿，24冯永军，马希俊.如何利用用电信息采集系统进行超容筛查2021,42(06):173-183.J.农村电工2 0 2 1,2 9(0 1)：38-39.CHEN Haidong,WANG Xin,WANG Yong,et al.ComprehensiveFENG Yongjun,MA Xijun.How to use the power consumptioncontrol plan for voltage drop of distribution network consideringinformation collection system to conduct over-capacityuncertainties on both sides of source and load and their mutualscreeningJ.Rural Electician,2021,29(01):38-39.influenceJJ.Power Capacitor&Reactive Power Compensation,25何哲楠，吴浩，程祥，等,基于变电站-用户双层结构的变电站负2021,42(06):173-183.荷聚类研究J.电网技术，2 0 19，43（0 8）：2 98 3-2 990.18 赖振宏，易皓，黄华，等.用于低电压问题治理的柔性交直流切HE Zhenan,WU Hao,CHENG Xiang,et al.Substation load换配电系统设计 J.电力系统自动化，2 0 2 3，47（0 6）：12 3-132.clustering based on substation-consumer two-level structureLAI Zhenhong,YI Hao,HUANG Hua,et al.Design of flexibleJJ.Power System Technology,2019,43(08):2983-2990.AC/DC switching distribution system for solving low-voltage26赖纪东，谢天月，苏建徽，等.基于粒子群优化算法的孤岛微电problemsJJ.Automation of Electric Power Systems,2023,47网电压不平衡补偿协调控制JJ.电力系统自动化，2 0 2 0，44(06):123-132.(16):121-129.19丁天祥，杨黎晖，王淑娴.基于光储系统协调控制的配电网末端LAI Jidong,XIE Tianyue,SU Jianhui,et al.Coordinated control低电压治理策略研究 J.云南电力技术，2 0 2 2，50（0 5）：1-7.of voltage unbalance compensation in islanded microgrid basedDING Tianxiang,YANG Lihui,WANG Shuxian.Research onon particle swarm optimization algorithmJJ.Power Systemlow voltage control strategy at the end of distribution networkTechnology,2020,44(16):121-129.based on coordinated control of photovoltaic-storage system27刘廷章，张子恒.基于循环选代粒子群算法对电动汽车无线充J.Yunnan Electric Power,2022,50(05):1-7.电系统的联合参数在线辨识 J.电工技术学报，2 0 2 2，37（18）：20夏小晴，李轩.低压配电网拓扑自动识别系统研发及应用 J.4548-4564.内蒙古电力技术，2 0 2 1,39（0 6）：2 3-2 8.LIU Tingzhang,ZHANG Ziheng.Online identification of jointXIA Xiaoqing,LI Xuan.Development and application ofparameters of electric vehicle wireless charging system basedautomatic identification system of low voltage distributionon loop-iteration particle swarm optimizationJJ.Transactionsnetwork topologyJJ.Inner Mongolia Electric Power,2021,39of China Electrotechnical Society,2022,37(18):4548-4564.(06):23-28.21郑在涛，叶保璇，钟康骅，等.基于预测滚动的有源低压配电网三相不平衡治理方法J.电网与清洁能源，2 0 2 3，39（0 1）：29-36.ZHENG Zaitao,YE Baoxuan,ZHONG Kanghua,et al.Apredictive rolling-based three-phase unbalance managementmethod of low-voltage active distribution networkJJ.PowerSystem and Clean Energy,2023,39(01):29-36.第2 6 卷收稿日期：2 0 2 3年2 月10 日作者简介：黄建文（198 7)，本科，工程师。主要从事电力系统主网调度及配电网调度控制相关工作。（本文责任编辑：施玉）50第3期黄建文，等：基于粒子群算法的低压用户超容用电优化研判策略Optimization Strategy for Judging Excessive Use of Power by Low-VoltageUsers Based on Particle Swarm Optimization AlgorithmHUANG Jianwen,ZHANG Zheshen,WU Hang,WU Haifeng,CHEN Peiyi(State Grid Cangnan Electric Power Company,Cangnan 325800,Zhejiang,China)Abstract:With the continuous economic development in China,the scale of the power grid is expanding,accompanied byincreasing challenges.At the end of the power grid,problems such as low voltage and user overloading frequently occur.Overloading by low-voltage users can severely affect the stability of local power systems,leading to increased line losses andeven threatening the security of the power grid.This paper proposes an optimization and judgment strategy for identifying low-voltage user overloading based on the particle swarm algorithm,It establishes an optimized model for user characteristics andaccurately determines whether a user is a low-voltage overloading user by analyzing abnormal situations in a massive amount ofuser data.Furthermore,the conventional process for identifying a large number of low-voltage overloading users is improved,and an optimized judgment strategy is proposed.The numerical results demonstrate that the proposed method can accuratelyidentify low-voltage overloading users from a massive user dataset and achieve a 2.86%improvement in accuracy compared tomanual auditing methods.Key words:overuse power users;user characteristics analysis;user data;intelligent judgment;particle swarm optimization51