配电网线损率是对电网企业考核的一种综合性配电网评价指标,线损率反映出配电线路的规划水平,也能反映电网公司经营管理水平。因此研究配电网线损率和其影响因素之间的定量关系,通过优化供电线路设计、改善电网公司的经营策略降低线路损耗,具有十分重要的实际意义。首先,本文对配电网台区线损数据进行处理、探索性分析和特征工程。通过分析处理后数据的线性关系和相关性关系,定性地分析影响因素和配电网线损率之间的关系,并判定应用于聚类分析的最佳影响因素数量和种类。根据方差膨胀系数VIF的值判断线损率影响因素之间是否会出现多重共线性问题,并应用此系数剔除VIF值超过10的影响因素,建立影响因素指标库。针对线损率预测模型可能会出现的过拟合、欠拟合以及局部最优解问题,通过递归特征消除和交叉验证的方法确定适合模型的最佳影响因素数量和种类。其次,本文创建了基于聚类算法的台区聚类模型。该模型采用密度聚类DBSCAN算法分析配电网线损数据,使之根据密度分为多个不同的类。在聚类分析中,通过轮廓系数判定密度聚类超参数-邻域和。最后,本文提出了一种基于集成方法和深度学习的线损率预测模型。该模型解决了由于台区样本情况不同带来的单一模型预测结果误差较大的问题。DBSCAN算法将台区线损数据聚类为5类,对5类台区分别应用树形结构的决策森林、线性结构的线性回归集成学习以及神经元结构的长短期记忆网络,判定最符合每类台区特点的线损率预测模型。根据本文提出的配电网线损与其影响因素定量关系研究方法,能够对台区线损数据进行深层次的处理和分析,挖掘影响因素与目标因素之间的线性和相关性关系,计算方差膨胀系数并选择合理的影响因素。通过选用合适的聚类算法分析台区样本特点,并根据样本密度将台区分为5类。根据5类台区各自的特点,选用树形结构、线性结构和神经元结构的三种算法预测台区线损率。本文所述方法将为电网企业降低线损提出建议,根据电网企业所提供的配电网相关数据预测对应台区未来某年的综合线损率,并根据综合线损率以及影响因素与目标因素之间的定量定性关系,寻找降低台区综合线损率的方法。