近年来随着我国经济社会的发展,对电气化铁路接触网供电系统的可靠性要求越来越高。然而我国的各种工农业污染物造成的大气环境污染日益严重,绝缘子表面积污速率也逐年加速。致使接触网污闪事故频频发生,严重威胁着铁路运输安全生产,在某种程度上造成很大经济损失。可见对接触网的污闪预测方法有必要进行深入研究。因为运行中的绝缘子发生污闪的两个必要条件是足够的积污程度和合适的气象条件,据此本文提出一种基于人工鱼群-BP神经网络的绝缘子污秽等级预测模型,在此模型基础上构建接触网绝缘子和线路污闪概率预测方法。不仅能及时掌握绝缘子的污秽程度,科学安排清扫工作,而且还为建立高效的接触网防污闪机制提供指导依据。本文首先分析降水量、风速、相对湿度、降尘量等气象因素对接触网绝缘子污秽程度的影响过程,接着介绍BP神经网络和人工鱼群算法的理论基础,提出基于人工鱼群-BP神经网络的绝缘子污秽等级预测模型。选取月降水量、月均风速、月均相对湿度、月降尘量等4个最具代表性的气象因子和绝缘子形状系数、运行时间(月)作为输入特征量,输入上个月6个特征量的数据,预测当前月绝缘子的污秽等级。然后建立基于绝缘子污秽等级的污闪概率预测模型,将预测的污秽等级对应的盐密值和当前月恶劣天气的气象预报数据输入到污闪概率预测模型中,预测当月接触网绝缘子和线路污闪概率。对预测结果进行分级预警,建立污闪预报短期响应机制,尽可能避免污闪事故的发生。最后通过实例计算来验证预测模型的有效性和正确性,验证结果表明本文所提方法能够对绝缘子和接触网线路实现有效的污闪预测。对评估接触网线路可靠性和防污闪工作起到了辅助参考作用,在一定程度上避免了人力、物力、财力的浪费。