电网功率损耗(简称网损)是考核供电公司经营管理水平的重要指标之一,理论线损率计算与分析工作是制定降损方案、提高线损管理和电网运行水平的重要方法,降低电网运行过程中产生的损耗是实现电网运行高效、节能环保的重要举措。随着电力系统规模越来越大,对计算分析速度的要求越来越高,从减小电网计算规模,提高计算速度的角度出发,本文提出一种基于深度学习的理论线损率计算与分析方法,具体工作如下:首先,详细分析了深度学习理论以及训练方法和训练过程,对几种具有代表性的深度学习模型以及每种模型的特点进行了分析和总结;重点研究了网络参数和网架结构变化情况下适合理论线损率计算的深度置信网络模型和深层神经网络模型,并对其初始参数敏感、收敛速度慢、过拟合以及计算结果不完善等问题分别进行了改进;分析了关联规则算法在理论线损率分析中的应用,对基于深度置信网络的理论线损率分析方法进行了介绍。其次,利用电网络理论分析了节点注入功率和网络参数变化对理论线损率的影响,从理论线损率计算角度出发,考虑网络参数和网架结构改变的情况,建立了基于深度置信网络与深层神经网络组合的理论线损率计算模型,将理论线损率计算抽象成多元特征提取过程,并利用深度学习贪婪层训练方法,随机小批量梯度下降法(MSGD)和Dropout方法对此模型进行训练。提出了一种基于深度置信网络与深层神经网络组合的理论线损率计算方法。最后,以关联规则分析方法为基础,结合深度置信网络模型,提出了一种基于关联规则与深度置信网络的理论线损率分析方法。利用关联规则分析方法分析出每个发电机、负荷与理论线损率的关联程度,并去除弱关联的发电机和负荷。通过关联分析方法和深度置信网络模型分析理论线损率与最优理论线损率偏差的大小。在保证分析准确度的前提下,提高理论线损率分析速度,减少分析时间。