在电力通信系统中,电力光纤由于其自身所具有的诸多优势,近年来已成为一种主流的通信方式而被广泛应用。作为电力通信系统的关键组成部分,电力光纤通信系统传输的稳定性是电力部门高效生产、稳定运行的重要保障,一旦电力光纤线路发生故障,造成的通信中断将会给企业和用户带来巨大的经济损失。因此,研究电力光纤线路状态预测方法,根据已知的电力光纤线路状态预测未来可能发生的线路故障,从而提前做好维护和管理工作,避免故障的发生,确保电力通信系统不间断传输具有重要的现实意义。为了更加准确地预测电力光纤线路的运行状态,文章提出一种基于自适应粒子群(APSO)优化差分自回归滑动平均—支持向量机(ARIMA-SVM)模型的预测新方法,该方法通过对电力光纤线路运行状态的衡量指标光功率的预测,从而实现电力光纤线路状态预测。首先,根据电力光纤线路中光功率数据具有的非线性、时变性和复杂性特点,采用小波变换对监测得到的光功率数据进行小波分解并重构,提取出随机项与趋势项两部分光功率数据。然后,针对随机项与趋势项数据特性,分别构建多种预测模型进行对比实验,从中选取并构建预测效果最优的ARIMA模型和SVM模型分别对光功率随机项和趋势项两部分数据进行预测。为了进一步提升模型预测性能,文中设计一种APSO算法对SVM模型中参数进行优化,该算法通过构建新型的动态距离函数和自适应惯性权重函数,使得不同粒子的搜索速度能够自适应地变化,从而提高算法的收敛速度和精度,获取更加准确的模型参数,并通过仿真实验验证了该算法的有效性。最后,分别构建ARIMA模型和基于APSO优化的SVM模型对光功率随机项数据和趋势项数据进行预测,并叠加两部分的预测结果,实现光功率未来趋势的预测,从而实现电力光纤线路状态预测。实验结果表明,与其他预测方法相比,文章提出的基于APSO优化ARIMA-SVM混合模型的预测方法能够更加准确地预测出电力光纤线路中光功率的未来趋势,从而实现电力光纤线路状态的预测,并且该方法优化了模型预测性能,较单一的SVM模型光功率趋势预测方法相比,其预测精度提升了12.6%;较未优化参数的ARIMA-SVM混合模型预测方法相比,其预测精度提升了53.8%;较基于LDW优化ARIMA-SVM模型的预测方法相比,其预测精度提升了26.5%。