近年来,鸟害引起的输电线路突发故障在广东沿海丘陵地区越来越多,防御鸟类潜在损害的驱鸟策略备受关注,如何解决输电线路涉鸟故障防治过程中鸟类对驱鸟策略的适应性问题,对电网的供电质量和用电单位的经济稳定发展很重要。现有的驱鸟策略的参数常常使用随机选择方法进行选择,驱鸟装置常常在投放初期存在一定有效性,但随着时间的推移,有效性逐步下降,难以应对鸟类的适应性。因此,本文将研制针对鸟类适应性的智能驱鸟系统。本文针对涉鸟故障防治中的鸟类适应性问题,研究了具有自适应功能的智能驱鸟系统,包括智能驱鸟系统的软硬件组成、单个驱鸟策略参数选择算法和驱鸟策略的选择算法。本文的具体研究工作如下:针对广东沿海部分丘陵地区优势鸟种和涉害鸟类进行调研,基于调研结果设计智能驱鸟系统软硬件。首先,确定了以黑领椋鸟和斑文鸟为主的涉害鸟类;然后,在多种鸟类检测方式中选择多普勒雷达为主要检测方式;接着,在充分调研的基础上,确定以声波和激光作为主要驱赶方式,考虑到不同频率声波和不同波长激光的驱鸟效果不一样,验证了鸟类对驱鸟策略不同参数敏感性存在差异的结论,在已有文献的结论基础上结合实验结果确定了声波的有效频率范围和激光的有效波长范围;随后,对智能驱鸟系统各硬件模块进行选型并设计电路原理图与PCB;最后,设计了智能驱鸟系统软件框架。针对鸟类适应性的单个驱鸟策略参数选择问题,研究了强化学习算法在输电线路涉鸟故障场景中的应用,以强化学习的自学习来应对鸟类的适应性。首先,明确涉鸟故障防治过程中数据量少和模型未知的特点,提出将强化学习算法应用在驱鸟策略最优参数的搜索问题中;然后,针对强化学习算法应用过程中盲目搜索时间过长和收敛速度过慢的问题,提出改进的Q-Leanring算法。最后,通过与Q-Learning、SARSA和SARSA（λ）算法进行对比,证明了改进Q-Learning算法的搜索时间更少、收敛速度更快和搜索结果更准确。针对鸟类适应性的多驱鸟策略频率选择问题,研究了综合评价算法在多驱鸟策略中的应用。在单个驱鸟策略改进Q-Learning算法的基础上,提出多驱鸟策略AHP-EWTOPSIS算法,通过对比不同驱鸟策略间参数的Q值,确定各驱鸟策略的有效排名,根据排名确定使用频率。与传统的TOPSIS方法相比,AHP-EW-TOPSIS方法具有更强的抗干扰能力,并且可以通过控制权重比例因子来改变每种驱鸟策略的频率。最后,在输电线路的少量杆塔上验证了智能驱鸟系统的有效性。