随着电能表技术的快速发展,智能电表在电力系统得到了广泛的应用,据统计在2015年之前智能电表的覆盖率将会达到80%以上,用户也会超过1.4亿,在2020年覆盖率甚至会达到100%。电能测量水平日渐提高,与传统电表相比具有稳定性好精度高准确度高等优势,尽管如此,在实际应用中仍然会出现一些故障,不但会对计电的正确性造成影响,还可能危及设备甚至是人身安全,因此分析电表故障成因以及预测电表故障的研究意义重大。本文通过贝叶斯网络的方法对智能电表的故障类型成因分析,并对其进行预测分析,结合专家意见,基于贝叶斯网络,提出了一种智能电表故障类型的分类与预测模型,研究造成智能表故障的各种故障因素,并在此基础上进行预测和决策分析。本文完成了以下工作:首先研究了贝叶斯网络基本原理及相关技术,探索本文的研究背景和意义。其次,针对系统采用的两种贝叶斯算法进行介绍和对比,分析各自的优势缺点,对问题进行实际分析,寻找构建贝叶斯网络的相关因素。基于大数据平台,依据Mapreduce编程框架完成基于大数据平台的贝叶斯网络构建子系统的设计和实现。最后通过基于大数据贝叶斯网络构建子系统提供的贝叶斯网络结构和条件概率表完成故障类型成因分析和预测子系统的设计与实现。本文研究是智能电表故障类型的预测,针对海量故障数据,本文提出了基于大数据平台处理故障数据的思路,得到了一套完整的智能电表故障类型预测系统。