电力光纤作为电网的重要组成部分,承担着电力通信的重要任务,然而线路敷设路径是复杂多变的,易受到自然灾害损坏,其中水汽或水滴凝结在线路上形成的覆冰现象以及在风影响下形成的舞动现象最为常见,且危害最大。同时运行时间较长的电力光纤会因线路老化存在许多潜在问题。因此,需要实时掌握电力光纤的运行状态,及时获取线路运行状态信息,为线路维护人员提供重要参考依据。现有的电力光纤线路状态识别方法通常采用单一的电力光纤参量进行光纤状态识别,基于单一参量的光纤状态识别易出现故障误报、故障类型误判等问题,难以准确识别线路状态,针对此问题,采用多源信息融合的方法对电力光纤状态进行分析。论文主要内容包括以下两点:（1）基于光纤温度、振动和应变参数的光纤覆冰舞动状态识别方法研究。通过φ-OTDR（相位敏感光时域反射仪）和BOTDR（布里渊光时域反射仪）测得电力光纤温度、振动、应变参数数据,首先对数据进行归一化和去噪处理,对处理后的数据进行特征提取,通过关联融合方式将特征向量进行融合得到融合向量,通过融合向量训练ELM（极限学习机）算法模型,训练后的ELM算法对光纤覆冰和舞动状态的识别率在94.44%,考虑到ELM的初始权重和偏置是随机产生的,采用LSO（狮群算法）对ELM模型进行优化,提高了对电力光纤覆冰舞动状态的识别准确度,识别准确度提高到98.89%,识别效果良好。（2）基于模糊综合评价的电力光纤健康状态评估模型研究。选取电力光纤的温度、应变、振动、风速、湿度和光功率参数作为电力光纤的健康状态评估属性,但是考虑到这几个属性之间可能存在冗余的属性,采用粗糙集理论对属性进行约简,选取约简后的属性:温度、应变和光功率数据作为电力光纤的评价属性。建立属性融合的评价矩阵;采用AHP（层次分析法）获取主观权重,采用CRITIC（层间相关性的重要性准则）方法获取客观权重,再用加法方法将主观权重和客观权重进行组合,提高权重的可靠性;采用加权平均算子计算得到电力光纤健康状态分数,根据等级分数表格,得到电力光纤当前的健康状态,实现对电力光纤线路实时运行状态的评估分析。