牵引变压器广泛被采用于铁路变电所中,实现电网电压向牵引供电系统电压的转变,是牵引供电系统安全稳定运行的重要设备,在牵引供电系统中,利用在线监测技术可以获得变压器的运行数据,了解变压器的运行状况,及时有效诊断潜在故障,减小牵引供电系统发生故障的概率。在线监测技术中含有多个监测点,在较短时间内会产生多个监测数据,数据量规模从体积、速度、种类、数值和精度方面呈现多元化的趋势。传统的数据分析和处理方法已不能满足处理大量数据在时间和空间上的要求,通过大数据分析方法对其进行并行化处理,从而实现对海量数据的高效分析。与传统的小批量数据处理不同,Spark作为一款开源的分布式大数据计算框架,它的计算具有快速,基于内存,支持众多编程语言等特点,可以高速计算海量数据,为解决单机模式下处理海量数据面临的问题提供了一种新的方法。本论文首先详细介绍了变压器故障诊断的常见方法和大数据技术,针对各个理论的优缺点提出了基于Spark的牵引变压器故障诊断方法。其次,在分析研究国内外变压器故障诊断工作的基础上,采用基于粒子群算法优化的SVM变压器故障诊断方法。然后,本文设计并实现了PSO-SVM的并行化过程,设计出MSSQL数据库信息在Kafka消息队列的实时更新,构成Spark Streaming数据的实时输入,设计搭建出基于Spark的变压器故障诊断平台。最后,本文在平台使用变压器油中溶解气体数据进行验证实验,并从准确率、加速比、运行时间方面探讨实验结果。结果显示出随着数据量的增大,在保证准确率稳定的情况下,并行算法的处理速度高于单机模式,且算法的准确率相当。从而证明该基于PSO-SVM的Spark平台在处理海量数据时具备更大的优势。