大规模复杂电网的枢纽设备是电力变压器，变压器的持续可靠工作是保证电网的稳定运行以及社会生活安全的基础。相关部门在对变压器进行运维、检修过程中采集到多维度、多源异构参量数据，参量变化中包含的有效信息可以直观地反映出电力设备的运行状况。随着设备监测技术的进步、智能电网的建设，参量数据的规模迅速增大，这为变压器状态评估及故障诊断提供了数据支持的同时，也加大了数据处理和分析的难度。针对电力变压器设备的状态评估和故障诊断中存在的问题，本文在总结现有理论成果的基础上展开探究。
　　建立关键参量体系。将定量参量和定性指标有效结合，把能够全面表征变压器运行状态的多维度、多源异构参量数据纳入到体系内，充分考虑设备运转环境、工作年限等外部条件的影响。提出一种基于核主成分分析法(KPCA)改进的参量筛选算法，挖掘特征参量的有效信息，提取关键状态参量，从而为设备的状态评估和故障诊断构建关键参量体系。
　　搭建变压器状态评估模型。提出一种改进式GWO-MCSVM模型，通过训练样本对模型参数进行优化，最大程度去除专家评估的主观性，提高评估结果的准确性。通过关键参量体系中参量的多组实测样本，对不同模型的评估结果进行比较，验证本文提出模型的评估性能。
　　利用油中溶解气体数据(DGA数据)进行变压器故障诊断可以有效发现设备的隐性故障，可以有针对性地提高变压器的检修水平。在改进式GWO-MCSVM模型基础上搭建油浸式设备的故障诊断模型，针对不同的异常状态进行参数优化，对不同类型的参量数据进行预处理，使该模型具有很好的泛化性能。
　　开发变电站设备的软件平台。对上述算法和模型进行编程，在软件中实现关键参量体系建立、变压器状态评估、变压器故障诊断功能，从而完成对实际运行的变压器进行全方位监控的任务。