电力设备是电力系统的基本组成部分，电力设备故障将直接影响智能电网的安全运行。电力设备故障诊断能够确保电力系统正常的运行，而数据挖掘是实现电力设备故障诊断的关键技术。随着智能电网建设的快速发展，智能电网中电力设备数量将会逐渐增加，电力设备产生的状态信息数据量将会剧增。另外，电力设备诊断技术方法越来越成熟，设备故障诊断的智能化逐步提高。电力设备海量状态信息的快速并行数据挖掘是当前智能电网中电力设备故障诊断与状态评估领域需要解决的重要问题之一。本文以Hadoop技术作为基本技术架构，设计了一个基于云计算的智能电网电力设备故障诊断方案，可以为电力设备故障诊断与状态评估领域提供高效的并行计算能力。针对单机环境下对海量电力设备状态信息故障诊断速度慢、不能很好的适应智能电网环境下海量数据集的缺点，给出了基于MapReduce的朴素贝叶斯算法与K-means算法的电力设备状态信息并行数据挖掘方法，为电力设备故障诊断提供了一个并行计算途径。本文建立了一个基于Hadoop电力设备状态信息并行故障诊断实验平台，进行了以海量变压器DGA数据为例的电力设备并行故障诊断实验。实验表明并行故障诊断算法的执行时间相对于传统单机环境下诊断速度快，并且实验中Hadoop集群显示出了优良的加速比性能，能够适合智能电网环境下对海量电力设备状态信息快速故障诊断的要求。