王明辉

摘 要：高速铁路网的主要供电设备接触网，是沿钢轨上空呈“之”字形架设的特殊输电系统。对高速电气化铁路接触网，缺陷的检测显得是十分重要，随着检测设备的不断更新，缺陷检测准确度逐渐提高，数据量越来越大，研究缺陷检测数据显得尤为重要。本文主要利用数据挖掘技术中的聚类分析法，将缺陷数据按照线路分布的密集程度进行聚类，然后将聚类结果进行可视化，并且通过分析聚类结果数据，给出合理可行的缺陷预警方案和线路检修建议。为了验证方案的可行性，选取沈阳铁路局的部分缺陷检测数据作为本次方案的测试样本。经过数据预处理和方案测试发现：吊弦类缺陷聚类高发区域占比约为78%，一二级燃弧类缺陷聚类高发区域占比约为71%，高发时段为4-9月。实验结果表明不同类型的缺陷热点区域分布的时段与区域不同。

关键词：接触网;缺陷;数据挖掘;聚类分析法

中图分类号：BT

文献标识码：Adoi：10.19311/j.cnki.1672-3198.2020.19.093

0 引言

作为铁路运输牵引供电系统的重要组成部分的接触网，其动态设备质量情况直接影响到牵引供电的质量，对接触网运行状态的实时监测是保证铁路安全运输的重要手段。如今，接触网动态监测设备（6C系统）能够完成接触网的各项数据检测，所有基础数据和报警数据均被收集入库长期存放，随着时间的推移，数据库中的检测基础数据和缺陷数据越来越多，但对数据资源的利用率不是很高。目前，国内主流方向都是关于如何提高线路设备缺陷识别或者机车运行异常检测准确度作研究和测试，设计出了针对不同零部件的缺陷识别方法，效果显著。……