随着社会经济的发展,人们对用电的需求也日益扩大,如何提高输电线路的输送能力是目前电力部门比较关注的一个问题。新建或者扩建输电线路不仅需要更多的投资成本,而且建设周期较长。基于在线监测装置的输电线路动态增容是以线路的在线监测系统为基础,通过对导线温度和沿线的环境温度、风速和日照强度等进行实时监测,动态地分析线路可提高最大载流量,充分挖掘输电线路的载流能力。本文首先比较了不同的载流量计算公式,然后对影响导线载流量的相关因素进行了分析,主要包括了日照强度、导线表面系数、风速、导线允许温度以及环境温度等。接着对动态增容技术的可行性进行了分析,主要从提高导线最大允许温度、载流量计算边界条件和金属材料的高温性能三个角度去阐述。最后通过对历史气象数据的学习及预测,提出基于气象预测的输电线路动态增容方法,从概率模型去分析线路可提升的最大载流量。主要工作包括以下三个方面:首先,本文对BP神经网络的原理和算法进行介绍,然后采用BP神经网络对某地区的气象因素即环境温度、风速和日照强度进行预测,由于BP算法对环境温度、风速和日照强度的预测误差在可接受范围内,因此将预测出来温度、风速和日照强度的数据作为后续载流量概率模型的源数据。其次,为了获得精度更高的预测效果,本文采用优化组合核极限学习机(EMD-PSO-KELM)对气象因素进行预测。通过与EMD-KELM算法、PSO-KELM算法和BP算法比较可知,在建立基于EMD-PSO-KELM的气象因素即环境温度、风速和日照强度的预测模型时,该算法对气象预测的精度更高,为后续载流量概率模型的建立提供更可靠的源数据。最后,介绍了高斯混合模型的定义及其求解的方法,期望最大算法(EM)可以有效求解高斯混合模型中的参数;将BP神经网络和优化组合核极限学习机(EMD-PSO-KELM)气象参数的预测结果,作为输电线路最大载流量概率模型的源数据,基于载流量高斯混合分布的概率建模,提出了基于气象参数的输电线路最大载流量的计算方法。某地区电网的应用分析结果表明,在用电高峰期时可根据气象参数预测结果动态调整输电线路的载流量,在确保输电线路安全可靠性的前提下,提高输电线路的输送能力。