接触网系统是将电能传输到电力机车或动车组上的重要环节,其质量和工作状态将直接影响电气化铁路的运输能力。其中接触线更是与受电弓直接摩擦接触,工作时需要承受冲击、磨损和工作张力,一旦运行状态异常或出现损坏,将直接影响到高速列车的安全运行。受复杂工作环境的影响,接触线故障时有发生,如果在故障发生前就对其有一个直观的预测,将有利于防患于未然并快速、准确地处理故障。因此,以接触线的历史故障数据为基础,基于数据驱动进行接触线故障特性的研究,并对接触线的未来运行状态进行故障预测具有重要意义。首先,本文总结阐述了接触线故障预测的研究现状。故障预测与健康管理(PHM)技术通过先进的状态监测手段获取被研究对象的运行状态及各项信息,借助智能算法和模型进行检测、分析和预测,从而管理系统或设备的工作状态,接触网故障预测是目前铁路领域的研究热点;铁路接触网的检测监测与养护维修积累了大量数据,为采用数据驱动方法进行接触线故障预测奠定了基础;同时,随着数据挖掘技术的快速发展,利用复杂算法和智能模型对接触线历史数据进行深入挖掘分析,进而预测故障已经不再是问题。其次,认识接触线故障,分析接触线故障数据特征。本文将接触线故障定义为与接触线直接相关的接触网系统表征参数缺陷和接触线的技术状态缺陷,从而对接触线的运行状态展开更为全面的研究。成都铁路局2016年1月至2018年3月接触网故障数据的统计分析表明:接触线故障是接触网故障中出现次数最多的故障类型。在对接触线故障数据进行时序分析时,定义接触线故障强度概念,以接触线月故障量为研究对象进行统计分析;铁路接触网系统实行周期检测和状态维修,统计分析发现:接触线故障强度的周期性与对接触线相关设备进行定期检测的周期长度有关,且接触线故障强度具有增长和波动的二重趋势性。最后,采用具有集成算法思想的组合预测方法,提出一种基于时间组合的接触线故障强度预测模型。将接触线故障强度的时间序列分解为月度发展序列和多个季度发展序列,用Holt Winters模型解决具有季节变化的月度发展序列及小范围波动的季度发展序列,用GM(1,1)模型解决含有不确定性因素增长趋势的季度发展序列,将两组序列的预测结果组合,得到最终的预测结果;通过实例数据验证,得出组合预测模型对接触线故障发展趋势具有很好的拟合效果和较高的预测精度。本文所做工作对于认识接触线故障发展随时间变化的规律,预测接触线未来故障情况,以及指导接触线的检测维修具有一定的参考价值。