配电网线损计算是电力系统降损节能的重要技术手段，是线损管理科学化、规范化、制度化的实现基础。准确简便的线损计算有助于制定合理的降损措施，提高供电能力，增加电力企业经济效益。配电网结构复杂、分支线路多，往往缺乏准确、完整的线路和负荷资料，导致常规线损计算方法往往难以实施。针对这一问题，本文利用神经网络特有的非线性拟合特性，研究易于操作、可行性高，且满足工程计算精度的配电网线损计算方法。首先，论文针对中压和低压配电网的特点，分析了中压和低压配电网现有线损计算方法，指出现有线损计算方法的适用条件与不足。其次，针对中压配电网配电线路结构复杂，运行数据不全，常规线损计算方法难以实施的问题，将径向基函数（Radial Basis Function，RBF）神经网络应用到中压配电网线损计算中，利用它的拟合特性，映射配电线路线损与特征参量之间复杂的非线性关系，记忆配电线路在结构参数和运行参数变化时线损的变化规律，建立了基于RBF神经网络的中压配电网线损计算模型。然后，对自适应二次变异差分进化（Adaptive Second Mutation DifferentialEvolution，ASMDE）算法进行了改进，采用了重构交叉概率因子思想和近似最优保存策略。利用改进的ASMDE算法对RBF神经网络的结构参数进行整体优化，克服了常规网络训练算法隐含层与输出层结构参数分开确定，输出层易陷入局部极小等缺点。实例仿真验证了所提中压配电网线损计算模型与算法的可行性和先进性。最后，研究低压配电网的线损计算方法。低压配电网供电方式复杂多样，分支线路众多，沿线用电负荷没有严格的规律，自动化程度不高，线路参数和负荷资料严重缺乏。基于上述问题，将BP神经网络用于低压配电网的线损计算与分析中，并对基于BP神经网络的线损计算模型的输入参数进行了详细地分析，找出了引起配电台区线损变化的主要参量，将其作为BP神经网络模型的输入参数。利用Matlab神经网络工具箱完成了网络的训练，通过实例对所建低压台区线损计算模型进行了仿真，结果验证了所建模型的准确性和实用性。