改革开放40年来,中国铁路尤其是中国高铁实现飞速发展,成为一张闪亮的“中国名片”。从路线单一到辐射全国,从“追赶”到“领跑”,从“走得了”变成“走得好”,高铁在飞速建设的过程中,也给电力系统带来诸如谐波、负序等电能质量问题。再者,作为电力系统的特殊负荷,在保障其安全、稳定、可靠运行的同时,也不应该忽略其能耗、环境、经济性等方面的影响。因此,作为这些研究的基础,牵引负荷预测这项工作是十分必要的。本文首先从实测负荷入手,通过计算其数理统计值及电铁特征量,分析数字特征,并以直方图形式描绘其概率分布。对于实测负荷的概率分布拟合,从参数估计和非参数估计两大方面入手,运用多种估计方法进行数据拟合,并通过判定系数比较评判各种方法的优劣及适用性。大量拟合试验表明,各种拟合方法各有优劣,但其拟合精度基本大于85%,符合工程应用中的精度要求。面对大量的实测样本,本文运用数据挖掘中的聚类方法对它们进行区别讨论。其中,聚类又分为硬聚类、软聚类和神经网络聚类。结合牵引负荷计算特征量,本文将100组实测样本聚成七类,并引入轮廓值、伪-F统计量等指标分析评价各种算法的优劣性,选取聚类效果最好的方法。聚类结果显示,K均值聚类法的各项指标最优,是最适合牵引负荷聚类的算法,因此,本文将它的聚类结果作为牵引负荷模型库的建立依据。在新建牵引变电所的负荷预测过程中,考虑到新建牵引变电所技术资料有限、负荷特征量不全等因素,本文以聚类结果为依据,采用分类技术将新建负荷匹配划分模型库中。具体地,以铁路部门提供的设计资料为依据,计算尽可能多的牵引负荷特征量,并以此为边界条件,进行多种方法的分类匹配,同时引入查全率、查准率、准确率等指标评价分类方法。根据各种指标计算,贝叶斯分类方法的效果最好,能够实现测试集的百分百正确分类。因此,本文最终选取贝叶斯分类法进行新建负荷的匹配划分。在新建负荷合理划分之后,研究同类已知负荷的概率分布等特性,依据前述估计拟合理论,即可获得牵引负荷带电运行的负荷值,再通过蒙特卡洛抽样即可获得预测的负荷过程。基于预测的负荷过程,本文还建立了牵引变压器的温升与寿命损失模型,并作相应差分化处理,以方便实际应用。实例证明,通过建立这些模型,可以实现牵引变压器容量的优化配置。