基于CNN-LSTM神经网络的输电线路覆冰预测技术研究

针对输电线路运维中持久且复杂多样的挑战以及复杂气候条件下输电线路覆冰现象对电网安全运行构成的严重威胁,提出基于卷积-长短时记忆(CNN-LSTM)神经网络技术的综合预测方法。该方法融合网格化数值天气预报的精细数据、杆塔地形特征信息及导线物理属性等多源数据,构建了一个高效预测模型,旨在解决输电线路单点覆冰厚度在未来3~72 h内的精确预测问题,为电力部门提供及时、科学的防冰抗冰决策依据。实验结果显示,该模型能显著提升覆冰预测的准确性和时效性,有效减少因覆冰导致的电网故障风险。