电力变压器是电力系统的核心部件,针对电力变压器的状态检修是维护电力系统安全稳定的重要环节,而状态检修工作的基础在于状态评估。变压器的状态评估实际上是依靠算法处理样本数据,来评估变压器健康状况的一个过程。然而,单一算法的特性与变压器状态评估工作并不够契合,本文针对变压器状态评估工作中存在的主客观方法比较片面、状态量之间相互干扰、数据量过多难以处理和评估过程需要满足模糊性和随机性问题,综合各类算法的优缺点,同时在少量和足量变压器样本数据的不同背景下,提出了两种混合算法来进行变压器状态评估。首先,本文综合考虑国网规程和相关文献中的研究经验,建立层次型状态评估体系,选取与变压器状态等级相关的影响因素作为中间层,并针对不同的中间层影响因素选取与其最为相关的状态量。然后,探究在少量样本数据情况下的状态评估。针对模糊层次分析法（Fuzzy Analytical Hierarchy Process,FAHP）计算变压器状态量权重时存在状态量之间相互干扰的问题,引入主观性方法决策与实验室法（Decision-making Trial and Evaluation Laboratory,DEMATEL）进行权重修正。针对单独的主、客观方法较为片面的问题,选取CRITIC法（Criteria Importance Though Intercriteria Correlation）计算客观权重值,再基于组合赋权法计算最优权重。而后,在最优权重的基础上,结合各状态量的状态评分得到综合状态评估结果。实例分析验证该混合方法的可靠性,并在MATLAB中对实验数据添加白噪声模拟干扰量,证明该方法具有更好的稳定性。最后,探究在足量数据情况下的状态评估。针对样本数据过于复杂的问题,综合模糊集和粗糙集在解决不确定问题上的互补能力,采用模糊聚类分析法（Fuzzy Cluster Analysis,FCA）对变压器样本数据进行聚类并结合粗糙集理论（Rough Set Theory,RST）计算状态量权重值;针对评估过程中需要维持模型的模糊性和随机性的问题,采用多维状态云模型理论计算变压器对各个状态评定等级的综合确定度。选取部分变压器样本数据进行综合等级评定示例,并采用正态随机数生成方法结合原始样本数据进行样本扩充,在足量数据的基础下使用多种方法进行对比,验证了该方法的有效性和高准确性。