县域配电网由于其电压等级低、拓扑结构不完善、台区电力用户多、基础设施建设和电力检测设备相对落后,用电数据采集系统无法完整采集区域内所有电力用户的用电信息,降损工作存在极大困难。建立预测模型可为降低管理线损提供理论依据,因此,建立一个切实有效并具有一定精度的线损率预测模型对降损工作的开展具有重要意义。首先,本文对县域配电网的异常台区线损数据进行分析和预处理。通过分析高损和负损现象产生原因,建立典型异常台区筛选模型和负荷异常台区识别模型,有效识别异常台区所属的类型,通过求得的特征值确定其所属的异常台区集合。根据异常台区集合元素的分布情况,建立综合异常台区剔除模型,并应用此模型剔除异常台区,提高线损数据的研究质量。其次,提出一种基于NCA算法的台区特征核心指标体系模型,构建特征核心指标体系,应用于聚类分析中,将各台区用户分为不同性质的若干个簇类。采用聚类质量评价模型确定最佳聚类数目,为各簇类台区的进一步研究提供基础条件。再其次,建立BP和Elman神经网络线损率预测模型,对预测结果进行误差分析和比较,获得符合线损率预测需要的神经网络预测模型。对聚类分析后的各簇类台区分别应用BP神经网络线损率预测模型,与原始数据集作为输入的模型输出结果对比分析表明:K-means聚类后应用神经网络预测模型可减少误差。最后,以江苏省某县域配电网台区数据进行研究,将该区域内台区用户分为4类,对每一簇类分别应用BP神经网络线损率预测模型,获得了高精确度的线损率预测结果。为县域配电网台区线损率的预测计算提供新方法思路,有利于电网的经济有效运行。