针对LSTM和Transformer在时间序列预测过程中存在的高时间复杂度、收敛速度慢，以及现有覆冰预测方法存在的关联分析缺乏、预测精度低、单步短期的不足等问题，提出一种基于改进Informer注意力学习的输电线路覆冰厚度预测模型。该模型基于海量的历史覆冰数据，利用统计知识分析出影响覆冰的主要因素，并基于Informer深度学习算法将覆冰预测准确率提升至90.2%,误差降低至0.0174,极大提升了覆冰预测的准确性，降低了覆冰导致的线路故障风险。