随着智能电网建设的不断推进及对电力系统安全稳定运行的要求越来越高,对电力设备状态监测的广度和深度不断扩大。状态监测数据量大、来源多,可能有多个变量对同一状态特征进行描述,部分状态属性之间存在着冗余。从众多设备状态监测指标中提取最能反应设备状态的关键指标参量,删除无用、重复的状态指标,可以有效地降低设备状态分析的难度、提高监测数据处理效率。本文首先详细分析了电力设备状态监测现状以及特点,归纳和总结传统的数据特征提取研究方法,然后以电力系统为背景,详细阐述了三种特征提取方法在电力设备监测数据中的应用。针对电力设备状态参数的类型杂、数量多及参数间关联关系不明确等问题,提出了改进主成分分析的关键参数体系构建方法。以电力设备故障、紧急重大缺陷、一般缺陷的统计数据构建指标参量的量化矩阵,通过主成分分析的降维处理,将指标参量投影到以综合评价为轴的坐标系中,根据各指标参量权重的大小依次排列,以权重的大小作为关键参量选取依据,去除与设备状态相关性不大的指标参量;在分析电力设备状态指标参量与设备状态之间关系紧密程度的基础上,提出基于一种关联规则特征提取方法,运用关联规则量化各设备状态与状态指标参量之间的关系,计算得到各指标参量的支持度与置信度,以支持度与置信度的阈值作为特征提取的依据,筛选出电力设备状态关键指标参量;属性约简是一种寻找出最优的指标属性子集来代替原始的指标属性全集的特征提取方法,通过对电力设备状态监测指标的约简,可以有效降低设备状态监测信息决策的维度,减少对设备状态评估指标参量的个数以及状态监测数据存储空间,通过分析约简后的属性指标能够更加快速准确的提高对电力设备状态评判的效率。以变压器状态监测数据为例,详细阐述了上述三种方法在变压器状态特征提取中的应用过程,证实了方法的可行性,为电力设备状态监测数据的分析处理提供了思路。