铁路运输设备是铁路重要的生产性资产,其健康持续稳定的运作是铁路运输生产活动的重要基础,是铁路运输组织活动正常进行的保证。铁路供电监控系统将收集到的线程电流、电压、有功功率、无功功率、功率因素、电力极值等运输设备技术状态数据作为铁路运输设备的高效管控和决策的重要依据。面对不断增长的技术状态数据,现有的监控信息存储方式主要依赖基于磁盘阵列的硬件设备（RAID,redundant array of independent disks）,利用传统的关系型数据库进行管理,存在着存储能力差、结构固定、读写效率低等问题,无法满足各应用系统之间共享数据中心业务的需求。如果无法即时获取到的时间序列准实时海量数据中快速搜索出铁道供电杆塔信息、刀闸信息,与健康安全档案信息进行综合分析,可能引起调度监控信息的交互困难、通信拥塞,影响铁路供电生产运维效率,不利于缩短故障排查时间和降低列车晚点率。由于传统的以行式存储为主的关系型数据管理技术存在数据库扩容瓶颈,学术界的研究转向基于列式存储的数据处理技术。列式数据存储具有比行式存储更高的压缩比率,通过获取指定列数据可以减少更多IO操作,这些优势对于存储海量数据来说具有更大的吸引力,使用列式存储更能体现出优势,性价比也更高。以HBase列式数据库为例的云集群处理技术在某些关键领域已经得到重要应用,本文在铁道供电调度监控系统海量监控信息的高效处理这个热点问题上,重点研究基于HBase列式云集群的压缩及优化处理技术,并基于列存储研究监控信息的大比率压缩。本文在理论研究基础上,以工程数据为算例,首先为解决列式数据库之间传输吞吐量低,转存耗时长的问题,设计实现分布式数据集群的内存扁平压缩模型。然后成功构建基于HBase云集群的供电调度监控信息处理平台,并将扁平压缩模型集成到HBase集群实现共享内存折叠压缩,考虑内存折叠后的优化性能,以某动车段的SCADA系统工程数据为算例,进行数据载入延时、数据读取延时以及内存占用率的变化等多组数据测试,验证了该方案对监控信息存取的优化效果。研究并设计列存储模式的监控信息神经网络大比率压缩存储模型,通过工程算例数据验证了其压缩效果。研究结果为提升铁道供电监控大数据集群读写能力与缩短处理延时及大比率压缩存储提供新的解决方案。