当载流故障发生时,设备触点的温度将会比正常值高。鉴于经济成本、技术可行性等各项因素综合考虑,一般将监测分析触点温度作为故障诊断预警的唯一依据。但是传统的故障监测系统只能做简单的温度阈值判断,未能有效提取出海量温度数据所蕴含的宝贵信息,因此效果并不理想。当阈值偏高时,预警时间变短或会导致漏警；阈值偏低时,常出现误警。鉴于以上不足,本文首先介绍一种基于PCA的载流故障在线诊断算法,主要包含主元分析法、变尺度主元分析以及K-MEANS聚类三部分,引入这些机器学习方法实现了对现有故障类型的提前预警以及故障点的准确定位。其次,本文详述电力设备载流故障诊断信息系统的设计实现,目标是把前述理论研究成果应用到实际的电力生产场合,产生直接经济效益。开发工具选择Visual Studio 2008集成开发环境,编程语言为C≠。系统基于.NET框架,大量运用.NET的两大组件：ASP.NET和ADO.NET,前者构建动态交互网页,后者提供数据访问接口。信息系统的架构模型采用当下流行的B/S架构,即浏览器／服务器架构。客户端只需一款普通的浏览器即可实现所有操作,不仅给最终用户提供极大的便利性,也大大降低了系统维护者的成本。系统设计大体按照B/S三层架构部署,分为数据库服务层、业务逻辑层和表示层。考虑软件设计的模型化和代码重用性,把矩阵运算、聚类分析等数值计算部分以及数据库常用底层操作函数封装在公共服务模块。三层之间的具体分工是数据库服务层实现对数据的保存和读取等操作；业务逻辑层负责复杂商业逻辑的处理,本文集中体现为故障诊断算法分析；而表示层是最接近用户的一层,显示和接受数据,为用户提供交互操作的人机界面。本文初步实现诊断信息系统所要求的基本功能,在投入试运行后可以进一步的完善和优化。