随着电网的迅速发展,国家对降损节能的研究越来越重视,线损率是衡量电力企业经营水平和管理水平的一项综合性技术经济指标,努力降低电网的电能损耗是各级供电企业的一项必不可少的工作。目前10kV配电网线损电量已占整个电力网的20%以上,具有较大的降损空间,但是由于中压配电网的网架结构庞大,元件和节点数目繁多,有些必要的运行资料和数据难以收集,致使线损计算结果不准确。基于上述问题,提出快速、准确地预测10kV配电网线损的方法具有重要意义。为了更准确、有效地评估10kV配电网线损水平,提出了一种基于灰色关联分析和改进神经网络的10kV配电网线损预测方法。首先,为提高配电网数据质量,采用了基于k近邻的数据清洗方法,对原始数据中的孤立点进行检测并删除;然后,通过灰色关联分析方法对各个电气指标和线损之间的关联性进行分析,并进行关联度的排序,结合实际配电网数据,得到最能反映10kV配电网运行状态和网架结构的电气特征指标体系;其次,考虑到传统BP神经网络(BPNN)结构难以确定和训练过程易陷入局部极小值、收敛速度慢等缺点,采用以下两个方法改进,其一,使用十折交叉验证法结合试凑法分析BP神经网络在不同网络结构下的模型预测性能,来确定最佳隐含层节点数目,其二,采用自适应遗传算法全局搜索BP神经网络的权值和阈值,来提高算法的准确性和收敛速度,并以某实际10kV配电网的329条线路为例,建立线损预测模型,对比分析了所提方法(AGA-BPNN)与粒子群优化的BP神经网络(PSO-BPNN)、径向基神经网络(RBFNN)和传统BP神经网络在收敛性和准确性方面的差异,结果表明,四种方法的评估误差分别为6.71%、12.38%、12.95%、17.05%,验证了 AGA-BPNN具有更好的收敛性、准确性和有效性。最后,对该配电网9-12月份的318条线损情况未知的线路的线损进行预测,预测线损率均在0.9%～5.1%之间,为电网降损措施的制定提供依据,有利于电网的安全经济运行。