绝缘油在油浸式高压设备中主要起绝缘、散热的作用,同时也是信息的载体,蕴含着宝贵的设备状态信息。本文运用现代数据挖掘技术,提取油浸式高压设备绝缘油试验数据中的有效设备状态信息,即绝缘油数据特征量,用于设备故障诊断和状态评价,并展开应用。首先,建立了基于贝叶斯控制理论的高压设备绝缘油特征量分析方法,该方法具备自学习能力,可进行有效数据挖掘,实现故障的早期检测,从而进一步提高故障检测的及时性和准确性;不仅可给出故障结论,而且可在技术经济指标基础上给出是否需要检修的决策;其次,建立了基于多级支持向量机的绝缘油特征量分析模型,智能地实现对高压设备的故障分类。判断准确率高于传统方法,且判断准确率随着训练数据集的增多提升。再次,建立了基于一元线性回归模型的带故障运行设备状态预测方法,针对跟踪设备进行氢气、乙炔、总烃三种特征气体的预测,有利于生产工作人员根据特征气体的变化安排生产试验,应用该模型对广州供电局带故障运行的7台主变进行了状态预测。最后,建立了适用于广州供电局的高压设备绝缘油特征量数据分析的综合模型。该模型综合了传统方法外和贝叶斯控制理论方法,改变了只采用三比值等传统方法对绝缘油数据进行简单分析的现状。应用该模型对广州供电局35kV及以上电压等级油浸设备(共3228台)进行了状态评价,对于设备状态及设备运维提供了有益参考。