杨钦榕，陈万培，高 绅，张 涛,韩 恒

(扬州大学 信息工程学院，江苏 扬州 225009)

0 引言

现如今，物联网在线监测技术[1]在高压输电线路中的应用愈发广泛，线路的温度等参数在终端即可显现，告别了传统的人力巡线，给输电线路的运维管理带来了诸多的便利。随着应用的愈发深入，传感器掉线、数据异常等问题接踵而至，如何对运行线路进行温度预测、保证测温系统的平稳运行便成为了亟待解决的问题。测温系统在监测过程中会得到许多关联的数据，现阶段对这些数据主要应用就是查看与查询，没有做到对数据的多方面应用。如何利用好这些海量数据，通过对数据进行分析与研判，对系统运行过程中出现的故障进行诊断，已成为当下研究的热点。

现阶段，温度预测的方法大概可分为传统的手动分析数据并提取特征的方法和人工智能网络模型预测法。文献[2]在介绍变电站测温系统的基础上构建系统模型，从红外理论角度出发，得到时间上存在关系的数据，针对不同的影响因素提出相应改进措施。文献[3]中，罗会兰等学者对当前较流行的神经网络识别行为方法进行了整体的概括，着重介绍了传统的手动提取行为特征的方法，并对手动提取特征的步骤及优缺点进行了论述。王祥民等研究人员提出了一种动态主元分析与超限学习机相结合的方法来预测分解炉出口处的温度。通过提取主元实现降维，并将其作为超限学习机的输入，调整超限学习机的参数，搭建温度预测模型[4]。……