1.基于黎曼流形聚类的配电网线变关系辨识方法，其特征是，包括以下步骤：步骤1.获取样本数据集并预处理生成电压时间序列；

步骤2.将电压时间序列划分为多个电压时间子序列，每个电压时间子序列由N个点组成，每一点又由相应的特征向量构成，所有点的特征向量组成电压时间子序列的特征矩阵；

步骤3.获取特征矩阵的特征向量协方差，形成特征向量协方差矩阵，对特征向量协方差矩阵进行特征值分解以后计算特征向量协方差矩阵之间的距离，由所有的特征向量协方差矩阵之间的距离得到所有电压时间子序列之间的距离，将电压时间子序列之间的平均距离作为电压时间序列之间的距离；

步骤4.以不同配变的电压时间序列的特征矩阵和电压时间序列之间的距离作为数据集进行黎曼流形聚类；

步骤4.1：以不同配变的电压时间序列的特征矩阵和电压时间序列之间的距离作为数据集；

步骤4.2：以电压时间序列的特征矩阵作为顶点，以特征矩阵近邻的连接作为边构造一个无向图 ，将电压时间序列之间的距离ρ(w,z)作为边的权重；

步骤4.3：无向图中任意两顶点之间的距离等于电压时间序列之间的距离ρ(w,z)，定义2

距离矩阵D，距离矩阵D的元素为ρ(w,z) ；

步骤4.4：初始化操作，创建一个 大小的概率矩阵Y:Y= ；

其中y11表示第1行第1列的元素，y1b表示第1行第b列的元素， 表示第 行第1列的元素， 表示第 行第b列的元素，概率矩阵Y的元素表示特征矩阵F属于流形类别c的概率，Y初始化时随机指定；

步骤4.5：对于每个流形类别c，给定所有的特征矩阵属于流形类别c的概率矩阵Y和距离矩阵D，使用带权重的多维尺度变换方法，计算特征矩阵的低维嵌入；

步骤4.6：对于每个特征矩阵F，计算属于流形类别c的概率矩阵Y和距离矩阵D，并且更新数据权重；

步骤4.7：输出聚类结果；

步骤5.对黎曼流形聚类的结果进行分析，判定聚类簇是否为正确配变，将处于远离聚类簇的配变划分为疑似线变关系错误，得出错误配变编号。

2.根据权利要求1所述的基于黎曼流形聚类的配电网线变关系辨识方法，其特征是，所述电压时间子序列的特征矩阵为：；

其中，V2为第2点电压值，VN‑1为第N‑1点电压值，V2d为第2点与相邻点的电压差值，VN‑1d为第N‑1点与相邻点的点压差值，V2s为第2点电压累加和，VN‑1s为第N‑1点电压累加和， 为第2点电压值与其余各点电压平均值的差， 为第N‑1点电压值与其余各点电压平均值的差，V2o为第2点电压值的秩，VN‑1o为第N‑1点电压值的秩。

3.根据权利要求2所述的基于黎曼流形聚类的配电网线变关系辨识方法，其特征是，特征向量协方差的具体获取方式为：；

式中，μ是电压时间子序列中各点的特征向量的平均向量，Fi为电压时间子序列中第i个点的特征向量，T表示转置；Ci为电压时间子序列中第i个特征向量协方差，所有特征向量协方差构成特征向量协方差矩阵C。

4.根据权利要求3所述的基于黎曼流形聚类的配电网线变关系辨识方法，其特征是，对特征向量协方差矩阵进行特征值分解的方式为：；

T

式中，A表示电压值矩阵，A 表示电压值矩阵的转置，D表示距离矩阵；

经过特征值分解以后得到对数矩阵：

；

式中， 是距离矩阵 的对角项的对数代替对角项而得到的对角矩阵。

5.根据权利要求4所述的基于黎曼流形聚类的配电网线变关系辨识方法，其特征是，两个特征向量协方差矩阵之间的距离通过对数矩阵的Frobenius来计算，计算公式为：；

式中，Cwn是电压时间序列w的第n个电压时间子序列的特征向量协方差矩阵，Czn是电压时间序列z的第n个电压时间子序列的特征向量协方差矩阵，ρ(Cwn，Czn)是电压时间序列w的第n个电压时间子序列的特征向量协方差矩阵和电压时间序列z的第n个电压时间子序列的特征向量协方差矩阵之间的距离。

6.根据权利要求5所述的基于黎曼流形聚类的配电网线变关系辨识方法，其特征是，将电压时间子序列之间的平均距离作为电压时间序列之间的距离：式中，ρ(w,z)是电压时间序列w和电压时间序列z的距离， L是电压时间子序列的个数。

7.一种基于黎曼流形聚类的配电网线变关系辨识装置，其特征是，包括处理器和存储器，其中，所述处理器用于获取三相电压数据，所述存储器中存储有能够被所述处理器执行的指令，且所述处理器还用于调用所述存储器存储的指令，并执行以下操作：从电力生产管理系统中导出配变的三相电压数据并对获取到的三相电压数据进行预处理；

将电压时间序列划分为多个电压时间子序列，并生成电压时间子序列的特征矩阵；

计算特征矩阵的特征向量协方差，形成特征向量协方差矩阵，计算特征向量协方差矩阵之间的距离进而得到所有电压时间子序列之间的距离，并以电压时间子序列之间的平均距离作为电压时间序列之间的距离；

以不同配变的电压时间序列的特征矩阵和电压时间序列之间的距离作为数据集进行黎曼流形聚类；

对黎曼流形聚类的结果进行分析，判定聚类簇是否为正确配变，将处于远离聚类簇的配变划分为疑似线变关系错误，得出错误配变编号；

所述黎曼流形聚类的过程为；

步骤4.1：以不同配变的电压时间序列的特征矩阵和电压时间序列之间的距离作为数据集；

步骤4.2：以电压时间序列的特征矩阵作为顶点，以特征矩阵近邻的连接作为边构造一个无向图 ，将电压时间序列之间的距离ρ(w,z)作为边的权重；

步骤4.3：无向图中任意两顶点之间的距离等于电压时间序列之间的距离ρ(w,z)，定义2

距离矩阵D，距离矩阵D的元素为ρ(w,z) ；

步骤4.4：初始化操作，创建一个 大小的概率矩阵Y:Y= ；

其中y11表示第1行第1列的元素，y1b表示第1行第b列的元素， 表示第 行第1列的元素， 表示第 行第b列的元素，概率矩阵Y的元素表示特征矩阵F属于流形类别c的概率，Y初始化时随机指定；

步骤4.5：对于每个流形类别c，给定所有的特征矩阵属于流形类别c的概率矩阵Y和距离矩阵D，使用带权重的多维尺度变换方法，计算特征矩阵的低维嵌入；

步骤4.6：对于每个特征矩阵F，计算属于流形类别c的概率矩阵Y和距离矩阵D，并且更新数据权重；

步骤4.7：输出聚类结果。