设备故障诊断技术对于发电厂日常安全生产至关重要,它不仅关系到电厂日常生产安排和设备检修保养周期,还能发现设备隐性故障使检修人员能够及时排除,避免重要设备突发性故障到影响发电厂整体安全及电网的稳定。故障诊断的前提是对设备状态量的监测与分析,就目前而言发电厂中监控系统应用已经十分广泛,新建机组及100MW以上的已建机组都配备了DCS系统。DCS系统虽然在监测方面功能十分强大,但是在数据存储及分析方面略显不足,为了弥补这些不足,一些发电厂做了一些积极地改进。就数据存储方面,为了常年的存储电厂设备状态量数据,些发电厂开发了自己的数据库,也有一些直接采用了成熟的商业数据库产品,如：PI系统。而数据分析方面,各电厂只是依靠人工做一些表格、曲线、图形等进行分析,这些方法慢速低效,而且从时间上不能够做到连续。虽然发电厂常年数据存储量庞大对其分析极其困难,但是近些年兴起的数据挖掘方法并结合机器学习就能够很好地解决这一问题。本文通过对电厂现有的设备进行研究分析,提出了一种以电厂现有的DCS系统的监控功能和PI系统数据库作为基础,利用决策树算法对实时／历史数据库中设备状态量进行分类计算的经济型在线监测诊断方案。以变压器为例进行算法的实际应用,将设计的方案应用于现场实际数据,验证了设计方案的可操作性与实用性。