由于自然环境的多变性和不可控性,给输电线路的安全稳定运行带来了挑战。由冰害天气引起的输电线路覆冰故障就是其中之一。覆冰严重时,杆塔会发生闪络、断线、倒塌等一系列故障,给社会带来不必要的经济损失。然而,目前对于输电线路覆冰形成过程和预测模型的研究还不够完善,且模型的预测精度有待提高。因此,急需研究一种预测方法来对输电线路的覆冰厚度进行精确把握。本文的主要研究工作如下:(1)分析比较了导线覆冰厚度的经典计算模型,综合考虑了线路覆冰的多种因素,从线路的覆冰种类和经典方程式出发,推导了其等值覆冰厚度的理论计算模型。利用线路的历史覆冰数据,基于LSTM(Long Short-Term Memory)长短时记忆神经网络建立了单一序列覆冰厚度的预测模型,并且通过实际的线路覆冰数据验证了预测模型的精确性。(2)为了明确微气象因素对线路覆冰情况的影响,针对可能影响输电线路覆冰厚度值的环境温度、湿度、风速、大气压力等自然条件,逐一进行了灰色关联度分析GR A(Grey Relation Analysis)。经验证,环境温度、大气压力、环境风速、环境湿度,对于线路覆冰厚度的影响从大到小依次排序,并且验证了将其作为模型输入变量的合理性。(3)针对单一序列预测模型出现的问题,对其损失函数和网络模型进行了改进,结合多种气象因素建立了多变量OLSTM(Optimized Long Short-Term Memory)改进型长短时记忆神经网络预测模型,并且通过实际的线路覆冰数据对模型的精确性进行了验证。实验结果表明,本文提出的方法相较于其他传统的覆冰预测方法预测精度较高,误差较小,能够满足实际工程需求。(4)基于SVG无功装置搭建了通过控制线路传输无功功率实现融冰的模型。调节线路负荷,利用SVG装置提供对应的无功补偿,增大融冰线路的电流,实现融冰功能。并且通过MATLAB/Simulink软件对该装置进行了仿真实验。结果表明,该装置能够及时跟踪系统无功电流的变化,提供线路融冰所需的电流值,具有一定的工程应用价值。本文针对输电线路覆冰厚度预测模型和融冰模型做了探讨,也验证了模型的准确性和可行性。今后的研究工作中可以结合更多的实际覆冰案例对模型进一步改进,提高模型的泛化能力。