经过冰区的输电导线会发生覆冰，在温度升高或是自然风力作用下，覆冰脱落引起导线上下振动和水平摆动，造成绝缘间隙的减小，容易发生电气事故。此外，覆冰脱落破坏了相邻档导线水平张力的平衡，使绝缘子串与杆塔的挂点处承受过大的不平衡张力，严重时会导致断线甚至倒塔事故，造成巨大损失。现有研究缺少快速定量确定水平不平衡张力的方法，针对冰跳高度和横向摆幅的计算方法又比较繁琐，因此，建立快速准确预测输电导线脱冰动力响应的模型具有重要的理论意义和工程实用价值。
　　本文首先介绍输电导线脱冰过程的数值模拟方法，并利用数值方法模拟计算不同参数条件下导线的脱冰动态响应。选取部分典型计算结果分析档数、分裂数、导线型号、档距、高差、初始应力、覆冰厚度、脱冰率和风速等对冰跳高度、横向摆幅、运动轨迹以及水平不平衡张力的影响规律。
　　利用有限元模拟得到的导线脱冰动力响应数据集，结合机器学习算法建立导线脱冰动力响应预测模型。将线路结构参数、冰厚、脱冰率和风速等作为预测模型的输入，分别基于BP神经网络和随机森林算法构建输电导线冰跳高度的预测模型，通过训练和调参实现预测模型的最优化，得到的两种预测模型能够快速准确预测任意参数条件下导线的脱冰跳跃最大高度。两者相比，基于随机森林算法预测模型的效率更高，基于BP神经网络预测模型的准确度更高。
　　将导线冰跳高度、横向摆幅和水平不平衡张力同时作为输出变量，分别基于BP神经网络和优化的随机森林算法——极端随机森林算法建立多输出预测模型。基于极端随机森林算法的导线脱冰动力响应预测模型的速度和准确度均优于BP神经网络预测模型，尤其是针对有风载荷作用时导线脱冰后的横向摆动幅值的预测尤其明显。
　　利用本论文的研究成果可以根据输电线路的结构参数以及载荷参数，对输电导线脱冰动力响应包括导线最大冰跳高度、横向摆幅和水平不平衡张力进行快速准确的预测，为冰区输电线路设计提供重要依据。