接触网作为一种架设在铁路沿线的户外供电装置,其结构复杂,工作环境恶劣,且无备用子系统,极易出现故障和受到外界不可控因素的影响。目前,高速铁路接触网检修本质上还是状态检测、故障维修的方法,并不能提前预测故障何时发生,对故障与故障发生之间的关联关系也了解甚少。因此,运用数据挖掘和时间序列预测的方法实现接触网的故障预测,进而指导接触网的状态维修,以达到健康管理的目的,这对接触网的维修以及电气化铁路的安全运行有着重大的意义。本文基于高效用序列模式挖掘和时间序列预测模型,从故障与故障,故障与时间两个维度对接触网故障进行了预测和分析。本文主要包含以下内容:1)以接触网的故障数据为研究对象,根据高铁接触网故障预测与健康管理(PHM)平台建设需求,参考《接触网检规》和《编码规范》,对接触网数据的故障字典进行了结构设计和编码制定,详细记录了故障发生的位置信息、时间信息、气候信息、采集方式、故障成因和故障标志码。将文字型或图片型的故障描述转化为编码之后,可以方便数据的查找,按照地理信息或者时间信息等对故障进行上卷和下探,以用于挖掘和回归分析。2)针对高效用序列模式挖掘算法效率低下的特点,本文改进了HUSP-Miner算法,采用效用链表来代替原有的数据库,加快了序列的生成速度和效用上界的计算速度,同时避免了多次扫描数据库。在剪枝策略方面,针对高效用序列挖掘算法不再像频繁模式算法一样遵循向下封闭性的问题,本文比较了几种基于剩余效用值的效用上界的向下封闭性,提出了基于PEU的新的剪枝策略,减少了候选序列的数量,缩小了故障的搜索范围,提高了算法的效率。挖掘结果表明,接触网的高差故障是一个很关键的故障,它易受到接触线高度和定位装置等的影响,也容易导致拉出值超限等故障的发生,同时,定位装置的故障也容易导致高差和拉出值超限、支持装置故障以及燃弧的产生。3)针对接触网故障时间序列数据故障强度的预测问题,提出了结合高效用序列模式挖掘结果的ARIMAX预测模型,将数据挖掘的思想融入到接触网的故障预测模型中。首先,介绍了几种常见的时间序列预测模型,介绍了模型的结构和参数选择,分析了其模型特点和适用数据类型,检验了其合理性并将ARIMAX模型的预测结果和常规模型进行了对比。结果显示结合高效用序列模式挖掘结果的ARIMAX模型具有比较好的预测效果。