油浸式变压器作为电力网络能量转换与传输的枢纽设备,其运行的安全可靠性直接关系到电力系统的稳定运行,随着电网规模及电压等级的提升,对变电设备的可靠性也提出了更高的要求。由于状态监测设备的不断丰富,监测数据在经过采集、传输、存储过程后逐渐呈现出大体量、高维度、多噪声的特点。因此,本文依托状态指标在线监测数据,提出对应的数据处理与状态评价策略,并基于该体系研发一套系统平台以验证方案的可行性。在数据处理方面,本文分析电力设备数据的特点、管理技术以及当前数据处理存在的问题及困境,确定了以“筛除”与“修复”为主要目标的数据处理技术路线,将在线数据分为铁芯接地电流与油中溶解气体两类。对电流数据,引入滑动窗口思想,提出基于时间序列自回归平均模型的动态异常值检测算法,再使用Markov状态转移的方式修复数据集以提升数据质量;对于DGA数据,逐条将指标序列进行分段线性化,使用K-means算法对线段进行聚类,筛选出数据集中的不同异常模式的数值点,并提出一种基于改进粒子群优化支持向量回归算法,通过指标状态量的回归的方式提高数据集质量。在状态评价方面,本文依托经过处理的指标在线数据集,分别建立在线监测装置与变电设备的状态评价体系。针对监测装置,分析运行故障与数据异常表征之间的关系,设置在线监测装置的状态等级,通过构造模糊隶属度函数的方式对装置运行状态进行评价;针对变压器状态评价,建立起目标-数据源-指标三层电力变压器状态评价体系,且对序列指标数据提出基于最近邻思想的处理方式,解决序列指标数据难以用于状态评价中的问题。实例分析表明本文设计的状态评价体系可以融合在线监测与运维检修两种指标数据,分别给出变压器与监测装置的评价结果。在此基础上,本文开发变电设备的数据清洗与状态评价系统平台,实现对设备状态监测数据的处理,并给出设备状态评价报告。本文的研究成果已在某省电力科学研究院成功应用。