在电网迅速发展的今天,国家对节能降损的研究越来越重视。线损率是电力系统的一项重要技术经济指标,它同时也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。目前电网,特别是低压配电网具有很大的降损空间,但是由于低压配网的网架结构庞大,元件和节点繁多,致使必要的运行资料和数据难以收集。并且各台区的管理水平较低,存在偷电漏电行为,使得线损计算结果不准确。基于上述现状,提出快速、准确地计算台区线损率的方法具有重要意义。本文提出了一种基于改进K-Means聚类算法和Levenberg-Marquardt(LM)算法优化的BP神经网络模型快速计算低压台区线损率的方法,并通过编程加以实现。首先,根据样本的电气特征参数,提出了改进K-Means聚类算法,将台区样本分类,解决了台区线损率数值分散的问题。在此基础上,采用LM算法优化的BP神经网络模型对样本数据按类进行训练,利用BP神经网络拟合样本线损率与电气特征参数之间的关系,得到其变化规律。最后,以某地区601个居民负荷台区样本数据和580个工业负荷台区样本数据为例进行仿真计算,验证了所提方法的准确性。结果表明,与标准BP神经网络模型相比,LM算法优化的BP神经网络模型具有快速收敛、高精度等优点。采用本文提出的线损计算方法,能够快速准确地计算出台区的线损率,同时也能为其他损耗的分析提供思路,具有实际意义。