随着我国高压、超高压和特高压电网的不断架设,其在电能的远距离传输上正发挥着越来越重要的作用,但是面临的风险也随之增加。高压输电线路绝缘子污闪是危害电网安全稳定运行的重要事故之一,污闪的处理和防治也是各级电力部门的重要任务。为了保证电力工业的安全生产,满足建设智能电网的发展需要,需要提高绝缘子表面污秽度状态监测的科学性和智能化,对污秽绝缘子及时采取防治措施,避免污闪事故的发生。传统的污闪防治方法主要通过定期的清扫工作及调整绝缘子的爬电距离等,不仅浪费了大量的人力物力,也无法真实的掌握绝缘子表面的污秽程度。目前,有很多种方法能够完成对绝缘子污秽程度的测定,最常见的是泄漏电流法。通过对流过绝缘子表面的泄漏电流,分析能够表征污秽度的特征量,建立污秽程度的测定模型,就可以得到其表面的污秽状态,为制定清扫及维护策略提供依据,能够更有效的保证输电线路的安全性和稳定性。本文首先依据污闪的形成原理及危害,分析了温度、湿度、电压等因素分别对泄漏电流的影响。其次,通过对泄漏电流波形的时频分析,选取了七个参数作为表征污秽度的特征量。最后,结合BP神经网络和遗传算法的优势,建立了遗传算法优化的BP神经网络模型;选取有效数据对模型进行了训练,并对训练后的模型进行了效果验证。实验结果表明,建立的遗传算法优化的BP神经网络模型的测定结果较为准确,能够用于污秽程度的测定工作,为输电线路的防污闪工作提供一定的参考意义。