通过对我国丰富的新能源资源进行合理的利用可产生庞大的电能,但想要完全消纳利用新能源所产生的电力则需要相当规模的输电线路参与输送工作。虽然铺设新的输电线路可以缓解整个电网线路的电力输送压力,但新线路的建设不仅耗资巨大而且构建速度也远比不上目前日益增长的社会用电需求。因此,合理提升现有输电线路的载流能力则成为一种最为经济有效的方案。根据线路的最大载流量以及线路实际负荷电流之间的关系,电网工作人员可相应计算出输电线路的剩余安全容量,并据此调整发电计划,因而如何安全的确定线路剩余安全容量大小具备着重要的现实意义。为确定线路的剩余安全容量,本文首先利用实际线路的负荷电流以及历史气象数据,提出了一种基于数据驱动的输电线路短期负荷电流预测模型。为了降低对线路负荷电流的整体预测难度,利用数据分解方法对电流数据进行分解。其次,选取数据信息挖掘能力相比于机器学习模型更强的深度学习模型作为预测模型,并采用新型的模型激活函数。同时,设计了一种可同步参与模型学习的动态特征加权方法,将其用于评估多样化的输入特征对于电流输出的重要性情况。最后,对两种群智能优化算法进行改进,并在博弈论策略思想的指导下将改进前与改进后的四种群智能优化算法相融合而得到一种全新的优化算法,再将其应用于对模型初始的权阈值参数进行优化的工作当中。以我国南部某地区一条实际线路数据进行实验,通过层层递进的方式依次验证了动态特征加权、数据分解以及模型参数优化的有效性,并证实与其他对比模型相比,本文所提模型拥有更优异的预测效果且在应对季度性波动的线路运行负荷电流时仍有着不错的预测性能。根据热平衡方程的特性,在相应气象参数及线路运行电流确定的情况下可对应计算出导线温度值。因此,本文在所提输电线路短期负荷电流预测模型的基础上,利用电流预测结果结合热平衡方程对处于运行状态下的线路导线温度进行预报,并在考虑线路运行风险情况下对输电线路最大剩余安全负荷余量进行计算。通过实验表明,所计算出来的线路最大剩余安全负荷余量结果是安全可靠的。