输电线路覆冰可引发冰闪、舞动,甚至断线、倒塔,破坏线路基础设施,威胁电力系统安全。覆冰事件指输电线路从开始积冰到完成脱冰的整个过程,而覆冰规律类型可以反映整个过程中覆冰厚度的变化规律,对电网的防冰抗冰工作、线路覆冰厚度预测、线路抗冰设计等均具有重要意义。然而当前国内外针对覆冰规律的关注较少,缺乏系统总结输电线路所具有的覆冰规律类型及特点,缺乏覆冰规律类型的分类方法,更缺乏对覆冰规律类型的识别与预测方法等,因此亟需对输电线路规律类型作深入研究。随着输电线路覆冰监测技术的发展,积累了大量覆冰监测数据,使得大数据分析输电线路覆冰规律类型成为一种可能,同时人工智能算法在覆冰领域也获得了大量应用。本文基于南方电网输电线路覆冰预警系统监测数据和人工智能算法,研究南方电网输电线路覆冰规律类型,并提出类型识别方法。首先优化了直线塔和耐张塔覆冰力学计算模型,将输电线路力学监测参数转化为等效覆冰厚度,共收集97个覆冰事件。随后,提出覆冰事件聚类方法研究覆冰规律类型,针对覆冰事件时间序列长度不等和序列数量庞大的难题,提出了11个表征冰厚时间曲线的特征参数,针对类型数量不明确的难题,提出K-means分层加权聚类方法,97个覆冰事件聚类显示南方电网区域内有6种覆冰规律类型。最后,提出实现覆冰规律类型识别的神经网络方法,利用最大信息系数分析微气象类型与覆冰的信息包含程度,提取温度作为覆冰机器学习的特征量,分别构建并训练BP神经网络和GRNN神经网络,结果显示GRNN对覆冰规律类型识别精确性达70%～80%,满足精度要求。本文覆冰规律类型研究将进一步加强对南方电网区域内覆冰认识,对其他覆冰领域研究具有重要的参考价值。