2020年,我国第十四个五年规划和二〇三五年远景目标中明确指出,以人工智能为标志的前沿技术将逐步成为“事关国家安全和发展全局的基础核心”。电力系统作为地球上最大的人工系统,自然是人工智能展示威力的主战场之一,而人工智能还需从感知开始。其中,变电站作为电力系统的重要设施之一,量大面广,并且其电气设备常年连续在露天运行,工作条件恶劣。所以,通过深度感知技术方法以及时把握变电站电气设备的实际健康状态,尤其必要和迫切。近年来,我国电网公司积极推进变电站电气设备的智能化运维技术的研究与应用,从而电气设备的健康状态评估正朝着精细化、纵深化、全面化的方向发展。基于这样的背景,本文瞄准技术领域发展前沿,以智能化和实用化为目标,研究变电站电气设备健康状态深度感知系统,旨在为变电站电气设备健康状态的评估贡献一种可选的新思路。论文完成的研究工作和取得成果主要体现在以下四个方面:（1）在深入分析变电站主要电气设备的状态感知现状与感知需求基础上,基于边缘计算、云计算的概念,采用分层分布式的结构对变电站电气设备健康状态深度感知系统进行架构,并在各检测装置节点、边缘计算节点和云端设置多智能体（Agent）以实现多智能体的分工协同作业。该部分在深度感知系统构建方面的研究工作为后续章节的研究打下了扎实基础。（2）针对深度感知系统中的通用感知单元的空间部署问题,在传统集合覆盖模型基础上提出两种适用于变电站通用感知单元空间部署的数学模型,并在数学模型中引入感知价值与感知清晰度的概念,从而将三维空间部署问题转化到二维栅格平面进行统一求解。通过算例的求解与对比表明,所提出的最佳适应度模型可以有效引导通用感知单元在空间部署的过程中加强对电气设备区域的重点感知,在实现全覆盖的感知目标同时降低了感知冗余度以节约成本。进一步地,还提出了三维空间的分层栅格化通用感知单元的部署思路,以将变电站巡检机器人的移动感知功能综合到本文构建的深度感知系统之中。（3）针对深度感知系统的数据采集与传输问题,提出了基于压缩感知智能体的技术方案并搭建了相应的模型。针对变电站深度感知的特点,从常用的稀疏基与满足RIP（Restricted Isometry Property,有限等距限制）条件的测量矩阵中,选取了DWang T-4稀疏基与稀疏随机矩阵。并且,通过分析与仿真得到了适用于所提技术方案的信号长度与压缩测量维数的取值范围。更进一步的,设计了一种基于频率预估的压缩感知重构算法CSRAFE。仿真证明,该算法的重构精度比OMP、Ca So MP、SL0和NSL0四种算法均有明显提升。（4）针对变电站电气设备健康状态评估,进一步结合边云协同的概念,将整个电气设备健康状态评估中的感知数据划分为边缘分析终端主动上传型感知数据和边云协同询问应答式感知数据两大类,明确了深度感知系统边缘侧和云端的任务分工与协作机制,实现了深度感知系统边云协同评估方法。