随着我国经济的快速发展,电网规模不断增大,人们对用电的可靠性、安全性要求越来越高;而人类活动的加强伴随着环境污染的加剧,输电线路绝缘子表面污闪也日益严重,电力事故频发,造成人民经济的重大损失。通过对输电线路绝缘表面导电物质的研究发现,盐密是造成输电线路发生漏电的主要物质,也是输电线路绝缘子污染程度的重要衡量指标。随着智能电网的快速发展,更多盐密分析技术应运而生,其中盐密预测作为一种直接、有效的方式成为了主要的研究领域。目前盐密预测方法大多是点预测,主要利用支持向量机、人工神经网络等主流的方法,而盐密的区间预测和概率密度预测等领域还很少有人涉及。本文将对输电线路绝缘子盐密数据进行特征分析,针对盐密数据特征进行盐密建模预测,尤其是对盐密的区间预测和概率密度预测等问题进行了深入研究,主要研究内容如下:(1)分析了盐密数据是混沌的,完成了盐密时间序列的相空间重构,并介绍了分位数的思想以及实现方法,为输电线路绝缘子盐密的预测研究提供理论依据。(2)介绍了传统预测方法的数学模型,分析了神经网络分位数回归模型的优势,并建立了RBF神经网络分位数回归的盐密预测模型。(3)发现了传统AIC准则对盐密数据的局限,并利用改进的AIC准则对预测模型参数进行选择,同时利用粒子群算法和遗传算法对模型参数进行优化,并进行结果仿真分析,选择出了最适合的优化算法,证明了改进的有效性,得到了最优的盐密预测模型。(4)建立了盐密概率密度估计模型,以神经网络分位数回归预测的盐密值为输入,建立了核密度估计模型;介绍了常用的核函数和窗宽选择方法,尝试了六种组合方法来构建核密度估计模型,并选择出其中最优的组合方法作为最优核密度估计模型;比较了本文所用方法与传统盐密预测方法的预测误差,并进行了仿真分析,证明了本文所选方法更加有效。