受到高速铁路沿途复杂多变的自然条件等因素的影响,牵引网输电线路容易发生故障跳闸,直接影响到供电设备及输电网络的安全可靠运行。为了快速有效地恢复牵引网稳定工作,就必须要准确识别故障类型,进而针对不同的故障类型采取不同的措施使铁路恢复运输,对于维护高速铁路安全和稳定运行有着重要的意义。本文针对牵引网线路故障特征提取和模式识别算法、基于云平台的牵引网故障诊断方法的应用展开研究:通过牵引网变电站样本数据的统计分析,划分了牵引网故障类型,并对网上异物、电力机车、天气影响、设备异常、过负荷、保护误动、外部网络、雷击等8种主要故障模式展开研究,确定基于频域法的牵引网故障诊断技术的研究方向;针对故障行波的非平稳暂态信号特点,提出了一种应用于牵引网故障信号的主特征提取算法,结合了小波包能量谱法和主成分分析法获取故障行波的主要特征向量,并确定了牵引网故障模式识别的评判标准;采用GA-BP神经网络算法模型完成牵引网故障模式的诊断工作,把从已知故障行波中获取的主要能量特征作为算法模型的训练样本进行学习,实现了故障模式识别算法设计,识别准确率在90%以上;提出了将云服务器技术与牵引网故障诊断方法相结合的应用系统研究,并根据用户、功能和性能的需求分析,完成了基于云平台的牵引网故障模式诊断系统的设计。本文基于云平台架构且面向牵引网故障模式识别的数据处理系统的实验结果表明,该系统在牵引网故障模式诊断工作中鲁棒性强、响应速度快、辨识度高,可以满足牵引网输电线路故障模式识别的应用要求。