本发明实施方式公开了一种牵引供电运维方法，其首先基于多个目标监测点获取多个监测数据集，其中，监测数据集包括按照时间顺序获取的多个监测数据，监测数据表征影响牵引供电系统正常运行的因素；然后，根据所述多个监测数据集，获取多个序列，其中，所述多个序列与所述多个监测数据集相对应，序列表征所述监测数据集中多个监测数据随时间变化的特征；接着，将所述多个序列按照预定的顺序，构建成特征矩阵，并对所述特征矩阵进行融合，获得融合矩阵；最后，将所述融合矩阵输入到诊断模型中，获取牵引供电系统的多个目标点的健康状态，其中，目标点为牵引供电系统中的运行维护节点。本发明实施方式中，将监测数据集进行序列化，提取到了那些随时间变化的特征，这些特征作为诊断的依据，可以发现通过常规手段不能发现的设备亚健康状态。本发明实施方式中还将序列进行融合，基于融合的数据，送入诊断模型诊断，可以降低输入到模型中的数据量，从而减小模型的复杂程度，减少模型的运算量。

地铁的设计和运维是复杂的系统工程，其可靠性的影响因素涉及到多个方面，其中机电系统及关键部件的健康状态维护与保持能力是评价地铁技术水平的重要内容。近年来，得益于智能化和信息技术的快速发展，人们对故障和异常事件的响应也由传统的被动反应开始向主动预防转变，智能诊断和故障预测技术在地铁的运营维护中得到了快速发展。在由周期性维护向基于状态维护模式转变的大背景下，突破地铁系统及关键部件健康监测、在线故障诊断、预测及健康管理技术，是提升地铁安全保障能力、降低运维成本、提高运营效率的重要途径，也是智能地铁组持续发展的主流趋势。

综合运用城市轨道运维产生的实时数据和历史数据，提取智能诊断模型，对供电设备运行状态进行监控和预测，是建立城市轨道智能诊断和故障预测系统的思路和方法。

现有技术中，智慧运维技术在轨道交通领域的相关研究刚刚起步，其正在逐渐成为人们研究的热点，且有了初步的应用。不过对于大数据、数据融合、智能决策等技术的研究还很少，智能化水平不够，需要更多的基础理论研究作为支撑，对机电系统尤其是牵引供电系统的健康诊断、异常监测以及寿命预测方面，始终缺乏较好的技术手段。