目前电力行业飞速发展,变电站数量不断增多,电力系统结构逐渐复杂,监控系统实时采集到大量且包含很多噪声的数据信息,干扰电力系统对有效数据信息的提取及故障诊断。为了避免上述的发生,我们采用数据挖掘技术从海量的数据中提取和分析有价值的运行诊断信息,从而能够快速准确地诊断变电站故障设备,缩短故障设备运行时间,提高电力系统的安全稳定性。本文首先阐述了数据挖掘的概念和常用算法,以及数据挖掘技术在电力故障诊断中的应用,选取了典型告警信号进行分析,并对其进行分类合并处理。再构建决策树算法模型,并阐述了几种经典的决策树算法以及对各个属性进行对比分析,接着对决策树算法进行改进,分别从优化样本数量,优化测试属性、离散化这三方面进行。选择样本数据,对算法模型进行验证,结果表明优化决策树算法的分类准确率、建模速度等均优于经典算法。最后将数据挖掘技术与电力诊断专家系统相结合,构建了一个电力故障诊断系统,并将改进的决策树算法应用于此系统中。基于决策树优化算法的电力诊断专家系统由推理机部分、解释器部分、决策树算法部分以及图形界面四大部分组成。将监控后台实时采集的数据信息应用于此诊断模型中,并采取典型故障信息进行验证,结果表明此系统能够快速准确地诊断出电力设备及故障原因,其实现过程简单、适用性较高,具有很好的使用价值和意义。该论文有图17幅,表9个,参考文献51篇。