提出基于最小二乘支持向量机(LS-SVM) 的电力设备载流故障趋势的预测算法，并采用粒子群优化(PSO)算法对其参数进行优化。采用主元分析法(PCA)对各触点温度序列进行特征分析，在温度分布异常的情况下提取故障的早期特征；以此时刻为起点，采用PSO与最小二乘支持向量机相结合的方法，并结合实时更新的现场温度信息，对载流故障发展的短期趋势和长期趋势分别进行预测。基于实际运行数据的实验结果表明，将长期预测时间裕量大与短期预测精度高的优势相结合，可以对载流故障的发展趋势做出较为准确的预测。