随着国内特高压直流输电工程的迅速发展,同步调相机作为“强无功支撑”的有力设备,能在短时间内为电网迅速提供大规模的动态无功,因此在电网中逐渐广泛应用。而大容量同步调相机机组设备繁多,结构复杂,现有的定期检修无法满足大容量调相机安全运行的需求。因此,实现对调相机系统运行状态的预测预判,对于换流站的安全运行具有重要意义。本文针对调相机及其水、油系统的运行状态的预测与综合评估方法做了以下研究:首先,针对调相机监测信号非线性、非平稳、多源干扰因素的特点,本文以调相机状态监测系统的监测数据为基础,提出一种基于特征工程的信号处理方法。该方法通过采用小波变换的全局阈值去噪,有效剔除噪点,并结合小波包变换（Wavelet Packet Decomposition,WPD）提取振动信号中的特征能量,利用互信息理论对监测量之间的相关程度进行量化分析,实现对特征指标的优化选取。其次,针对换流站运行时间短,故障数据少的问题,以调相机正常工况下的状态量为基础,融合其余特征状态量,构建多变量输入矩阵,引入长短期记忆神经网络（Long-Short Term Memory,LSTM）算法,提出一种基于LSTM的多变量状态趋势预测模型。并针对轴承振动信号,结合小波包变换,有效分离信号的低频、高频信息,提出基于WPD-LSTM的振动信号趋势预测模型,实现拟合效果与预测精度的提升。通过对状态量变化趋势的准确预测为系统健康状态的综合评估提供参考,并为数据拓展提供方法。通过不同模型之间的预测指标对比,验证本文所提预测方法的有效性与准确性。最后,结合LSTM预测模型提出了基于动态劣化度的调相机系统健康状态评估模型。基于相关性分析结果构建调相机健康状态评估指标体系,并以动态劣化度的概念,将评估指标的变化趋势纳入综合评估模型当中,最后通过研究组合赋权法的权重赋值方法并结合模糊理论实现对评估体系的综合评估。经模型对比分析,验证了所提方法的有效性。本文的研究成果均基于以换流站实际运行数据以及调相机故障案例,研究思路清晰,研究方法简单有效,符合工程实际状况,有一定的工程应用价值。