输电线路覆冰是威胁输电线路运行安全的主要风险因素之一。对输电线路覆冰厚度进行预测有助于实现线路覆冰风险的提前预判,为供电公司的线路巡视和除冰作业提供决策支持,提升工作效率。近年来,已有不少研究者以历史气象、输电线路覆冰等数据为基础,对输电线路覆冰的机理和预测模型进行研究,推动了输电线路覆冰预测技术的发展。而在输电线路覆冰预测实践中,代表未来天气变化的天气预报数据至关重要,但现有线路覆冰研究中对此的分析较少。本文为解决未来12小时逐小时的覆冰厚度预测问题,对以下内容进行了研究:（1）天气预报数据质量分析及生成问题。首先,以气象观测数据为基础,对ECMWF（欧洲中期天气预报中心）的数值天气预报数据的质量进行了分析,结果显示:该预报数据中温度、湿度的RMSE（均方根误差）分别为4.43和13.30,偏离实际观测值较大。然后,本文设计了一种基于深度多任务学习技术的天气预报数据生成模型,用以生成未来12小时的逐小时、2.5×2.5公里的温度、湿度预报数据,实现了对温湿度预报数据的时空分辨率提升。最后,在独立测试集上对该多任务学习模型进行了测试,结果为:温湿度的RMSE分别为1.53和6.76,比ECMWF数值预报数据降低了 65.43%和34.32%,数据质量得到了提升;同时,该多任务学习模型比单任务学习模型的RMSE更小,性能更好。（2）未来12小时的逐小时覆冰厚度预测问题。首先,通过将等值覆冰厚度转换为等级0（0mm）、等级1（0～5mm）、等级2（大于5mm）三个等级,同时结合历史气象、天气预报等数据,生成了模型构建所需的数据集。然后,设计了一种神经网络模型以实现未来12小时的覆冰厚度等级预测。最后,对模型进行了测试,结果为:测试集的整体Micro AUC为0.906;等级1、等级2的AUC指标分别为0.805和0.903,召回率分别为0.71和0.31。最后,对本文生成的逐小时温湿度预报数据对输电线路覆冰预测模型的性能影响进行了实验分析,结果为:剔除逐小时温湿度预报数据后,等级1、等级2的召回率分别降低了 53.71%和78.31%。