近些年,国家加大对电力事业的投资和建设,大量高压、特高压电网应运而生了。这些架设在野外的高压输电线路,在寒冷的冬季容易受到冰冻灾害的影响,从而产生覆冰,严重时可能会造成跳闸、断线、倒塔、绝缘子冰闪、通信中断等线路覆冰事故,甚至因为抢修困难,很容易造成本地区的长时期大面积停电,严重影响了老百姓的日常生活,给我国的工农业生产也造成了巨大的经济损失,因此对于输电线路覆冰过程的研究一直以来都是一个极其重要且有意义的课题。架空输电线路覆冰及其增长是一个与众多因素相关的极其复杂的过程,对于架空输电线路覆冰厚度的预测,其本质就是寻找一种输入输出的映射关系,把影响线路覆冰的众多因素与导线覆冰的厚度一对应起来。现有的输电线路覆冰在线监测系统,在实际的运行过程中已经积累了大量的数据,如线路附近的温度、湿度、风速、风向、气压、日照、降水量以及绝缘子的倾斜角、风偏角、拉力传感器采集的导线重量等,这些数据都是对于线路覆冰及其增长过程输入输出关系的真实反映。所谓数据融合技术,就是利用计算机对时序获得的若干观测信息,在一定规则下,加以分析、综合,以完成所需的决策和评估任务而进行的信息处理技术。基于数据融合的架空输电线路覆冰厚度的预测,就是利用一些机器学习算法,在一定的规则下对覆冰在线监测系统几年来积累的导线覆冰历史数据、动态的在线数据,进行分析和综合,并与导线覆冰的相关机理联系起来,以此建立架空输电线路覆冰厚度的预测模型,对输电线路覆冰状态进行态势评估和预警,制定相关的除冰策略,为相关部门的防灾减灾工作服务。本论文主要利用机器学习算法自组织特征映射神经网络(SOM)对架空输电线路的覆冰等级进行自动的划分,以此来判定导线覆冰的严重程度；另外,本论文又利用支持向量机(SVM)对架空输电线路覆冰厚度进行预测,建立了基于支持向量机的架空输电线路覆冰厚度预测模型。具体地说,本论文首先介绍了架空输电线路覆冰的国内外研究现状,研究方法及目前存在的问题。接着从存在的问题出发,介绍了架空线路覆冰厚度的影响因素,如气象条件、地形地理条件、海拔高度及导线悬挂高度、导线直径与扭矩等众多因素,突出说明了架空输电线路覆冰及其增长过程是一个极其复杂的过程,其影响因素众多,在数值上表现为一个非线性的时间序列,具有动态性、突变性及不确定性等特点。然后,从数据融合的角度出发,本论文利用机器学习算法自组织特征映射神经网络(SOM)以较直观的方式对架空输电线路覆冰的整个过程进行数字特征的提取,构建基于气象信息的架空输电线路覆冰厚度聚类分析模型,并通过仿真分析产生了获胜神经元统计图,临近神经元距离分布图以及覆冰数据的聚类结果分析等,为架空输电线路覆冰等级的划分提供依据。最后,本论文利用支持向量机(SVM)对架空输电线路的覆冰厚度进行单步和多步回归预测,建立基于支持向量机的架空输电线路覆冰厚度预测模型,并利用交叉验证和遗传算法相结合的方法对支持向量机的相关参数进行自动寻优,以此来减小预测模型的误差,提高模型的泛化能力。