机械荷载增大随着覆冰的增加，电线、绝缘子串和杆塔上所承受的冰的重量以及覆冰后因受风面积加大而增加了风压。当冰、风综合荷载超过上述部件的强度的允许值时， 线路就会损坏。

受地形、地物、风向和风力等因素的影响，线路杆塔两侧电线覆冰可能不均匀冰雪融化时， 由于气温回升和风振等条件的差异， 也会产生两侧不同期脱冰的现象。当连续档线路上不均匀覆冰和不同期脱冰所引起的荷载出现某种不利的组合情况时， 杆塔受到很大扭矩和弯矩而遭到破坏，是比较常见的。不均匀覆冰产生的不平衡张力， 还会导致电线在线夹处断股甚至被拉断。

绝缘强度降低绝缘子串覆冰后，泄漏电阻下降，电压分布不均匀程度加剧。随着覆冰增加，绝缘子串中局部电位梯度较高处会出现辉光放电， 并伴有融化水渗出。如果泄漏电流继续增大，则辉光放电逐步转化为白色弧光；待融化水贯通绝缘子串的大部分表面，局部放电将迅速发展成全串闪络，造成线路接地跳闸。一般情况下绝缘子串覆冰达30mm以上， 就有可能最终发展成全串闪络。增大绝缘子串的长度，或改用V型串，可减少融化水贯通冰凌表面的机率， 防止闪络事故。

此外，导线、地线覆冰超载，不均匀覆冰和不同期脱冰引起弧垂变化，以致档距中央导、地线间距离减小以及导线对地面或交叉跨越物的净空距离减小而引起放电，也属于绝缘强度降低的事故。导线覆冰舞动和导线脱冰跳跃等特殊型式的运动， 往往也造成线路部件损坏和绝缘间隙击穿的事故。

线路覆冰雨凇覆冰

是在冻雨期发生于低海拔地区的覆冰，持续时间一般较短，环境温度接近冰点，风相当大，积冰透明，在导线上的粘合力很强，冰的密度很高，雨凇覆冰是混合凇覆冰的初级阶段，由于冻雨持续期一般较短，因此，导线覆冰为纯粹的雨凇覆冰的情况相对较少。

线路覆冰混合凇

当温度在冰点以下，风比较猛时，则形成混合凇。在混合凇覆冰条件下，水滴冻结比较弱，积冰有时透明，有时不透明，冰在导线上粘合力很强。导线长期暴露于湿气中，便形成混合凇。混合凇是一个复合覆冰过程，密度较高，生长速度快，对导线危害特别严重。

线路覆冰软雾凇

轻雾凇是由于山区低层云中含有的过冷水滴，在极低温度与风速较小情况下形成的。这种积冰呈白色、不透明、晶状结构、密度小，在导线上附着力相当弱。最初的结冰是单向的，由于导线机械失衡，逐渐围绕导线均匀分布，在此情况下，这种冰对导线一般不构成威胁。

线路覆冰白霜

白霜是空气中湿气与0℃以下的物体接触时，湿气往冷物体表面凝合形成的，白霜在导线上的粘结力十分微弱，即使是轻轻地振动，也可以使白霜脱离所粘结导线的表面，与其他类型覆冰相比，白霜基本不对导线构成严重危害。

线路覆冰干雪

空气中的干雪或冰晶很难粘结到导线表面。只有当空气中的雪为“湿雪”时，导线才会出现积雪现象。当有强风时，雪片易被风吹落，导线覆雪不可能发生，故导线覆雪受风速制约，因此平原地区或低地势无风地区，导线覆雪现象较山区常见。

线路覆冰就是指一个范围内的所有电线都被冰包住的状况。冷的雨滴降落到温度低于冰点（0℃）的物体上，就形成雨凇。如果发生是凝结在电线上，就会使电线覆冰。

为避免或减少覆冰引起的事故， 在可能出现严重覆冰的地区建设输电线路时，应采取如下技术对策：①选线时应尽可能避开明显的容易形成严重覆冰的地段或塔位。②提高线路设计的安全标准，增强抗冰能力。③考虑运行中采用大电流融冰。④采用防覆冰导线、或居里合金套筒防冰等装置。⑤覆冰事故出现频繁的线路进行技术改造或改变线路路径。各项对策中，大电流融冰仅适合于电压较低的小导线线路；对于大容量、大导线的超高压线路，融冰需要很大功率，难以实现。防冰导线和其他防冰装置还缺少成熟的应用经验。因此，对于路径难以避开重冰区的线路，主要还是采取提高设计标准增强抗冰能力的措施。但大幅度提高设计安全标准将使线路造价急剧上升，而且在勘察设计时要准确预计沿线可能出现的最大覆冰厚度往往是很难的。因此，既要保证安全也要合理控制工程造价是重冰线路的重要研究课题。

2008年1月下旬我国中部就出现了严重的线路覆冰，造成10多个省的部分电力供应中断。一则报道说：（2008年）长沙1月27日讯（记者 谢伦丁 摄影 刘肚文）来自湖南省送变电公司的消息，之前下午14：40，该公司下属送电三分公司在执行华电长沙电厂沙坪变电站500千伏线路人工除冰任务时，因线路覆冰太厚，铁塔不堪重负发生坍塌，导致三名抢修作业人员死亡。

按照湖南送变电公司安排，送电三分公司于26日组织对该线路进行人工除冰。当时，铁塔上绝缘子串及导地线覆冰厚度大大超过设计标准。罗海文、罗长明、周景华三个人为一组，负责43号铁塔的覆冰清除任务。

他们在离地面50多米高的导线上和绝缘子串上，用木棒、扳手敲掉冰块。当作业进行到下午14时40分，因铁塔不堪冰雪重负，44号、43号、41号铁塔顷刻倒下，当时正在43号塔上作业的周景华被锋利的角铁截断了系在身上的保险绳和安全带，从50多米的高空坠落，当即死亡。在同一塔上敲冰的罗长民、罗海文也随铁塔轰然倒下，身受重伤。闻讯赶来的抢险队员，将他俩迅速送往163医院抢救，终因伤势过重，抢救无效死亡。（气象港，2008.01.28）

另外根据新华社报道：记者在广西北部全州、灌阳、资源等地采访时看到，平时手指头粗的电线，受到冰雪袭击后，裹上了一整圈厚厚的冰凌，比手臂还粗，很多地方的电线杆歪歪斜斜，不堪重负。每隔2－3公里，就能看到倒伏的电线杆。1月22日以来，全州、灌阳、资源三县就无法持续供电。

在湖南，电网骨干线路覆冰总长度近6000公里，上万名电力职工奔波在风雪交加的山区抢修“冻伤”的电网。在受冰雪灾害最为严重的贵州省，全省电网500千伏网架基本瘫痪，41个市县受到停电影响。

前言

第一章 输电线路覆冰机理

第一节 输电线路覆冰

第二节 输电线路覆冰的影响因素

第三节 覆冰预测模型

第二章 覆冰分布及覆冰对输电线路的危害

第一节 覆冰分布

第二节 覆冰对输电线路的危害

第三节 输电线路主要冰灾情况

第四节 典型冰灾情况分析

第三章 输电线路冰灾防治

第一节 冰区划分及设计覆冰厚度确定

第二节 输电线路冰灾防治技术

第四章 融冰原理和主要方法

第一节 融冰基本原理

第二节 主要融冰方法

第三节 电流计算及试验研究

第四节 电流融冰的应用

第五章 直流输电线路的防冰和融冰

第一节 直流输电工程概述

第二节 直流线路防冰保线运行方式

第三节 直流线路融冰运行方式

第四节 分段直流融冰技术

第五节 地线融冰研究

第六章 直流输电线路防冰、融冰工作机制

第一节 防冰融冰组织及制度保障

第二节 防冰融冰预警机制

第三节 防冰融冰决策机制

第四节 直流输电线路防冰融冰联动机制

第七章 直流输电线路覆冰试验及防冰案例分析

第一节 直流输电线路覆冰试验研究

第二节 直流输电线路防冰案例分析

附录 湖南省、浙江省和京津唐电网冰区示意图

参考文献

直流输电工程覆冰已成为影响直流输电线路安全运行和决定工程造价的主要因素之一。对直流输电线路防冰、融冰进行研究，提高直流输电工程防冰、抗冰能力，对保障直流输电工程乃至整个电力系统的安全稳定运行具有重大意义。本书以“避、抗、融、防、改”的综合冰灾防治技术体系为主线，对直流输电线路覆冰与防治相关技术展开叙述。

《直流输电线路覆冰与防治》由刘泽洪主编，共分七章，主要包括输电线路覆冰机理，覆冰分布及覆冰对输电线路的危害，输电线路冰灾防治，融冰原理和主要方法，直流输电线路的防冰和融冰，直流输电线路防冰、融冰工作机制，直流输电线路覆冰试验及防冰案例分析。

输电线路覆冰厚度预测基于PNN 网络的覆冰检测实现

神经网络是运用样本学习, 在输入和输出结点建立非线形映射关系。它可以模拟复杂的因果关系,也可以不反映输入与输出之间的实际逻辑关系或因果关系, 而只是对其数量与结构关系的一种模拟。实际上, 这种映射是把系统视为整体, 把其运行状态作为一种模式来看待的, 用样本对人工神经网络的训练也是一种模拟人的模式思维的训练。

1、神经网络工具箱函数

通常使用神经网络都是直接使用Matlab 提供的神经网络工具箱提供的模型, 这个工具箱几乎涵盖了常用的神经网络模型; 同时支持拓展功能,可以使用其他非常规神经网络工具箱进行扩充。对于多种模型, 工具还提供了各类学习算法, 为用户节省了很多时间。Matlab 工具箱中基本涵括了用于神经网络分析与设计需要使用的函数。

2、建立模型

在所有的神经网络建模中, 必须选取最有代表性, 最能反映问题的特征的特征量。如果选取的特征量不能做到尽量详细的描述问题的特征或没有足够的信息, 那么网络得出的诊断结论会受到很大影响。在这个模型中数据采集自中国气象科学数据共享网 , 导线覆冰天气多出于气温-5~3℃、相对湿度≥80%、风速0 ~ 4.5 m/ s 的情况下, 以此条件筛选数据, 最终获得123 组数据

3、程序实现（如图1）

输电线路覆冰厚度预测基于GRNN 网络的覆冰检测实现

1、GRNN 网络简述

广义回归神经网络(generalized regression neural network) 是1991 年美国人Donald Specht 提出的。GRNN 是一种径向基( RBF) 神经网络, 是基于人脑的神经元细胞对外界反映的局部性而提出的, 是一种新颖而有效的前馈式神经网络, 它不仅具有全局逼近性质, 而且具有最佳逼近性质，如图2。GRNN 的结构由四层构成, 其结构接近于RBF 网络。

GRNN 在学习上仍然使用的是BP 网络的算法具有优秀的逼近性, 在学习速度上优于RBF 网络。只需要调节网络的spread 值。网络的学习全部依赖数据样本, 这个特点决定了网络可以最大限度地避免主观假定对预测结果的影响。

2、数据归一化处理

Sigmoid 函数广泛应用于前馈型升级网络。在函数中输入量过大或者过小, 都会造成输出结果进入函数饱和区间。为了使样本获得最好的效果, 我们必须对样本数据进行归一化处理。需要将获得的样本数据需归一化在[-1, 1]之间。Matlab 提供了多种方法对数据进行归一化处理。

3、程序实现（如图3）