本成果对线变电能量大数据相关性分析，机器学习将待研判的配变聚类划分，智能推荐所属馈线，智能高效判别线变关系，及时洞察线变动态，促进数据更新，提升数字电网质量。 配网多联络线架构环网会导致10kV线路与配电变压器的供电线变拓扑关系常动态变化，影响电网的配用电生产及客户服务工作，本成果提出了一种PCA-KNN-PEAK的智能聚合算法，无需预先设定聚合簇数量，通过配变样本日电压数据聚合，形成供电线变拓扑关系。该算法先将配变日采集电压数据通过PCA降维，再应用优拟合的KNN算法获取分类的最大距离，根据最大距离最后由PEAK算法实现智能聚合。以广西电网公司柳州供电局某日的配变电压数据进行实验，验证了KNN在K=1时优拟合；并将其与其他5种分类算法进行对比，结果证明KNN分类算法更优；最后以若干个配变簇实验，PEAK算法均实现同簇配变准确聚合。实验表明PCA-KNN-PEAK算法的有效性，具备极高的智能度及广泛的应用场景。