电力线路安全运行是保障社会稳定的重要因素,极端天气下的冰冻灾害会导致输电线路覆冰,所引发的各种事故不仅会对电力设施造成不可逆转的破坏,增加电力工作人员的巡检难度,而且会给各用电单位带来不可避免的经济损失,同样也会给人民群众生活带来极大的不便。电网企业对此高度重视,为保障在冰冻环境中的输电安全,研究以光纤传感器为基础的电力线路覆冰监测系统,可以有效地对事故进行识别和预警。本文根据云南电网滇东北重度覆冰地区的气象数据,以电力线路作为对象,研究覆冰厚度的理论计算模型,利用光纤传感器采集到的数据对覆冰情况进行监测。由于光纤拉力与倾角传感器均存在应变与温度的交叉敏感问题,在实际工作环境中又受到各种因素的影响,需对测量值进行必要的温度补偿。本文将温度信息与测量信息作为BP神经网络的输入,可以有效进行传感器的温度补偿,实现较高精度的电力线路覆冰厚度监测。论文主要研究工作如下:(1)电力线路覆冰等值厚度计算模型推导。在无载荷导线静力学模型的基础上依次对垂直平面、风偏平面以及存在覆冰时的平面进行力学分析,计算得到覆冰载荷与覆冰厚度值。利用ANSYS有限元仿真软件,模拟杆塔的实际位置和不同覆冰厚度下杆塔的受力情况,依据仿真结果对传感器的安装位置进行指导。(2)覆冰监测系统中光纤传感器温度补偿研究。覆冰监测系统使用的光纤光栅传感器在使用过程中存在应变和温度的共同作用,对输出结果产生一定影响。采用最小二乘法与BP神经网络算法,可以有效地解决传感器温度补偿问题。将云南电网某输电线路覆冰监测系统数据输入网络得到补偿后的覆冰厚度,与实际覆冰厚度和理论计算值进行分析以判断温度补偿的效果。(3)SWPA优化的BP神经网络温度补偿算法研究。为提高神经网络算法的寻优能力和收敛速度,给出自适应步长狼群算法和动态逼近鲸鱼算法,对改进后的算法性能进行验证。利用改进后的算法对BP神经网络中的参数进行优化从而实现覆冰厚度计算,将不同算法的计算结果进行比较,实验结果表明SWPA-BPNN是一种有效的温度补偿方法。