随着智能电网建设的不断深入,电网设备数量增加,设备监测所产生的数据迅速增长,逐渐形成了智能电网大数据,如何在智能电网大数据背景下进行电网设备的故障诊断是具有实际应用价值的课题。面对海量的电网数据,鉴于传统的电网设备故障诊断技术大都运行在单机环境下,其诊断时间过长、对单机资源要求高等问题逐渐显露出来,而使用分布式并行处理方式的Spark技术,以内存计算为主要手段,通过对集群资源的使用,能够很好地解决这类问题。本文首先研究大数据技术和电网设备故障诊断理论,提出基于Spark的电网设备故障诊断方法。方法从故障诊断模型训练入手,针对传统故障诊断算法提出并行化的方式。然后,本文研究并实现了支持向量机算法与K-means算法的并行化。其次,设计了一个以Spark为基本体系结构的电网设备故障诊断平台,并实现了平台的基础模型,为电网设备故障诊断方法提供高性能的并行计算环境。最后,本文采集实际数据进行了实例分析,以变压器作为实证对象,利用变压器油中溶解气体数据进行变压器的故障诊断。实验表明,随着数据量的不断增大,并行化后的故障诊断方法与单机环境下相比,在准确率上能够保持相当,同时大幅降低运行时间,证明了基于Spark的电网设备故障诊断技术在面对海量电网数据时,具备更优的设备故障诊断能力。