我国是全球受输电线路舞动灾害影响最为严重的国家之一,存在着由东北向南延伸至湖南的传统舞动区域。舞动灾害不仅会引发线路闪络、跳闸,还会不断磨损金具及绝缘子,影响使用寿命,严重时甚至会引发断线乃至倒塔等事故,迫使重要输电通道长时间停运。然而,只通过输电线路建设和改造来防御舞动灾害不仅投资成本高,而且可操作性低,因而迫切需要通过信息化手段进行舞动预测工作,优化传统电网安全性评价及舞动预警系统,经济而可靠地强化电网应对恶劣气象条件的能力。本文对输电线路舞动灾害的形成与演化进行了分析,基于BP神经网络建立了输电线路舞动预测模型,并进一步评估了计及线路舞动预测的电网短期运行风险。论文的主要内容为:(1)以某省电力系统的舞动样本数据为例,研究了舞动灾害出现之前的气象要素时空分布特征,提炼了影响线路舞动的气象因素,发现风速、风向对导线轴线夹角、温度和相对湿度与舞动之间存在强关联性,据此提出了输电线路舞动预测和电网短期舞动风险预警的构建方法。(2)采取有监督式的机器学习方法作为舞动预测的基本手段,提出了基于BP神经网络的输电线路舞动预测模型。选取输电线路舞动关联性气象数据及输电线路所在区域ID(县级)进行模型训练,采用某省区域性及线路性实例说明了基于BP神经网络建立输电线路舞动预测模型的技术方法的有效性。(3)根据现行的电网安全评估准则,定义了线路舞动可能性和运行故障后果严重度指标,建立了计及线路舞动预测的电网短期风险评估和预警系统,提出了舞动风险等级的划分、舞动预警的信息发布以及降风险运行措施。通过河南电网的实际案例,对所提方法进行了具体说明。