牵引供电系统能否提供稳定优质的电能对高速铁路的运行至关重要。牵引供电系统的任何故障都有可能引起电力供应中断,导致高速列车失去动力,严重影响铁路运输秩序,给人们生活带来不便,给地区经济带来巨大损失。因此,准确诊断牵引供电系统中的故障元件,减小停电区域,快速恢复供电对高速铁路系统的安全稳定运行具有重要意义。牵引变压器是牵引供电系统最关键的设备,其对整个系统的重要性同样不言而喻。在此背景下,本文针对牵引供电系统故障诊断以及牵引变压器故障诊断与故障预测进行研究。本文首先从牵引供电系统着手进行研究。根据牵引供电系统继电保护工作原理和牵引供电系统拓扑结构建立贝叶斯网络;在贝叶斯网络参数估计中运用设备的故障率减少历史统计信息中的不确定性;最后通过贝叶斯网络的推理计算判断故障元件。对于牵引变压器的故障诊断,文章首先分析了牵引变压器油中溶解气体的产生原因及其特征。将三比值法编码和油中溶解气体百分数作为神经网络输入量,并利用粒子群优化算法训练神经网络,实现牵引变压器的故障诊断,同时计算出各类型故障置信度。对于牵引变压器的故障预测,首先利用改进灰色预测模型预测油中溶解气体含量数据。然后将油中溶解气体预测数据处理,并输入到牵引变压器故障诊断模型中的神经网络,并根据神经网络输出结果计算得出故障预测的置信度。论文提出的牵引供电系统故障诊断模型,综合考虑不同天气状态下不确定性对牵引供电系统故障诊断结果的影响。论文提出的牵引变压器故障诊断模型,融合粒子群算法训练的神经网络和改良三比值法,实现了牵引变压器故障诊断。而牵引变压器的故障预测模型是在故障诊断模型的基础上结合改进灰色预测模型实现牵引变压器故障预测。