变电站是电力系统的重要组成部分,变电站的安全稳定运行对国家发展、人民生活和经济开发等方面起着至关重要的作用。随着负荷的不断增长和可再生能源的不断发展,变电站的选址定容和智能化在配电网络规划中变得越来越重要。从短期和长期来看,未来的电力系统具有高度的不确定性,包括技术、成本以及宏观经济形势在内的各种因素将影响未来几十年电力系统的发展。根据短期和长期负荷预测,本文针对变电站选址定容和提高配电网弹性问题,提出了以下两个模型。首先,为了克服传统变电站选址方法的主观性和局限性,实现高效、可视化的变电站选址,本文提出了一种基于地理信息和半监督学习的变电站选址和规模问题的改进方法。该方法能够使用最小的投资和年运行成本进行变电站选址,并根据容量和供电范围对选址结果进行分级、优化。通过仿真实验证明该方法能够以最小的投资对变电站的选址、容量和供电范围选择进行优化。其次,本文提出了一种基于迁移学习和短期负荷预测的智能变电站优化模型,以支持智能电网的部署。通过迁移学习进行负荷预测,即使是对无监控的二次变电站,也能使其在配电网中正常运行,即在预期过载时,可以通过纠正措施从而转移负荷,改变电网拓扑结构从而提高电力系统的可靠性和恢复能力,提升变电站的智能化。实验对比了现有的基于机器学习的模型、基线模型和本文提出的模型的预测结果,根据预测结果与真实数据误差对比可以得出结论,本文提出的方法对比之前提出的方法误差更小,预测性能有所提高。