近年来,随着电气化铁路的发展,车网匹配问题日益突出,随着“交-直-交”型电力机车的投入运行大幅降低了牵引网中的谐波含量,但其脉宽调制控制方式会产生高次谐波注入到牵引网中,发生高次谐波谐振、放大现象,高次谐波会不仅会对27.5kV侧电气设备及机车造成危害,还会对110kV或220kV电网以及所自用电系统内设备产生损害,严重威胁牵引供电系统的安全运行。本文首先对当前国内外对车网耦合以及牵引网高次谐波的研究现状进行了总结,通过对牵引负荷高次谐波在牵引网中的传播路径进行分析,阐述了高次谐波在整个牵引供电系统、平行导线、牵引变压器以及牵引变电所380V低压侧的渗透机理;对高次谐波的危害及关键风险进行分析,阐述高次谐波在27.5kV高压侧对设备和电力机车的影响及危害,以及在380V低压侧对所自用电设备等造成的危害;并针对高次谐波传输问题,提出了对高次谐波测点的布置方案。然后对牵引变电所自用电系统的高次谐波监测方案进行设计,通过Matlab/Simulink仿真软件,建立完整的牵引供电系统和所自用电系统仿真模型,对高次谐波对自用电系统的影响进行分析;根据仿真及实测数据,采用SVD算法对自用电负荷谐波阻抗参数进行辨识;基于仿真结果设计自用电系统滤波方案及内嵌式高次谐波监测装置,并验证了该套装置的滤波性能。接着基于车载式谐波巡检装置对动车组高压电气系统的过电压识别方法进行了研究。提出了一种基于Shufflenet轻量级卷积神经网络的过电压图像识别方法。利用B2G算法将牵引网中6种典型实测过电压波形映射为灰度图像,输入到Shufflenet网络中进行模型的训练,并从学习率、样本批次大小、网络复杂度以及纹理数量四个方面研究模型参数对分类性能的影响,同时又与其他六种浅层机器学习模型作了对比。实验结果表明,所用方法能够在很小数据集下快速准确的识别过电压类型,模型的泛化能力强,识别结果可靠。最后对监测系统的软硬件进行开发与验证,硬件监测终端基于32位ARM架构嵌入式系统开发设计,通过RS485通信协议与数据传输单元连接,数据传输单元通过2G（4G）/GPRS网络与云平台进行数据传输,实现了暂态波形捕捉及存储、异常预警及定位的功能;软件云平台基于ASP.NET环境开发设计,采用B/S架构进行可视化界面及相关算法设计,实现了数据分析处理、异常事件位置捕捉及过电压辨识等功能;并采用内网穿透原理对云平台进行了部署,实现了数据传输、共享以及多用户同时接入的功能。