输电线路是电力系统中不可或缺的基础设施,如果输电线路出现故障,那么对整个电力系统都会造成不可估量的损失,如何对输电线路的故障率进行合理地预测对于整个电力系统的安全起到至关重要的作用。输电线路故障率数据包含大量冗余干扰信息,具有非线性,随机性等特点,直接使用预测模型进行预测会造成较大误差。本文提出运用小波去噪的方法对我国内蒙地区输电线路故障率数据进行小波去噪预处理,去除数据中的冗余干扰,对去噪后的故障率数据再进行建模预测,达到提高预测精度的目的。首先,本文对传统四类小波去噪方法进行定性比较,分析其适用特性。构造一种改进小波阈值去噪方法,通过仿真带噪信号试验证明了相比传统小波去噪方法减少了信息损失,去噪较果较好。其次,选取我国内蒙地区月度输电线路故障率数据,使用两种传统小波去噪方法和本文构造的改进小波阈值去噪方法对内蒙地区输电线路故障率数据进行去噪预处理,比较其去噪效果。最后,运用自回归滑动平均(ARMA)模型,BP神经网络模型以及两者结合的组合预测(ARMA-BP神经网络)模型对原始数据和小波去噪后数据分别进行建模预测,将预测结果及误差相对比。理论分析和仿真试验表明,输电线路故障率通过小波去噪预处理后能够有效减少数据序列中的冗余信息干扰,保留了信号本身特征,其中改进小波阈值去噪后的输电线路故障率数据信噪比(SNR)较高,均方根误差(RMSE)较低,去噪效果较好。将三种小波去噪方法去噪后的故障率数据分别建立上述三种预测模型,相比直接使用原始数据建立模型,预测精度明显提高,能够有效减少预测误差。基于改进小波阈值去噪模型的预测精度要好于其他传统小波去噪方法,说明选择去噪效果较好的小波去噪方法,能够更为有效地提高预测精度,证实了基于小波去噪方法的输电线路故障率预测模型是行之有效的。