当今社会,人们对于电力能源的需求越来越大,做好保证电力资源安全运行的工作尤为重要。输电线路是传输电力能源的主要途径,当输电线路因为部件故障而使电力资源不能正常的传输时,必然会造成巨大的经济损失。因此输电线路安全可靠的运行是保证电力资源稳定传输的关键所在,对输电线路及各个部件的故障检测及诊断工作就显得极为重要。本文所做的研究工作主要是针对无人机巡检输电线路时,对各个部件巡检采集数据进行故障类型的分类、诊断以及对潜在故障的预测。首先,利用故障模式影响分析技术对输电线路系统进行定义,并对输电线路各个部件的故障模式、运行状态和巡检方式进行了详细介绍,为后面进行输电线路的故障诊断和预测提供了理论基础；其次,研究了小样本数据下的输电线路故障分类诊断方法,采用三种不同的算法对分类器的模型参数进行优化选择,并通过改进粒子群算法,解决了分类器参数的寻优问题,然后通过仿真实验验证了改进粒子群算法的优越性；再次,提出了基于数据扩展的动态贝叶斯网络预测方法,通过动态贝叶斯网络与隐马尔科夫模型的转换建立预测模型,并对预测模型进行修改,使预测模型能够在数据量增加、节点间的相互关联变得复杂之后,降低预测模型中因节点间的相互关联造成的预测误差积累的问题,提高模型的预测精度：最后,建立了输电线路故障诊断系统,通过获取的数据对输电线路的运行状态进行评估,并且系统还会对输电线路的潜在故障进行预测,得出整体输电线路的薄弱环节,使巡检维修工作更有针对性。