电力变压器是电能传输与电压变换的重要载体,维护其健康状态对电网安全稳定运行至关重要。服役中电力变压器,在长期的电、热与机械等多方面的应力作用下,设备内部组件的老化磨损程度会不断发展,最终导致变压器故障的产生与设备使用寿命的缩减。在变压器实际现场中,这一过程变化较慢,常常无法对其发展程度做出直接准确的判断,并且在变压器实际运行中,由于受到环境温度、负载等工况变化的影响,难以对变压器的健康状态进行精准评估。针对上述问题,本文进行了如下研究:针对变压器内部老化磨损的发展程度无法进行直接观测的问题,本文通过对变压器内部电、热与机械能量的损耗特性的分析来获取变压器的健康状态信息。首先对变压器内部能量的损耗传递过程以及各部分能量的损耗特性与其在变压器内部的具体表现形式进行分析。然后,根据各部分能量损耗特性选取能够表征变压器健康状态的特征参数,并对现场数据的采集方式与分析方法进行介绍,在此基础上形成了本文的技术路线。针对实际运行中的变压器受工况变化影响导致无法精准实现健康状态评估的问题,本文基于工况特征参数选取,对变压器实际运行工况的划分与辨识方法进行研究。首先对变压器健康状态指标在不同工况下受到的相关影响以及不同影响下的变化规律进行分析,选取相应的工况特征参数;基于变电站现场采集的工况数据,利用k-means聚类算法实现变压器运行工况的划分;最后基于工况划分所得带有分类标签的工况数据集,引入SSA-Adaboost-SVM分类模型,实现变压器的运行工况辨识。基于工况辨识的结果,提出基于Transformer时序网络模型的多时间尺度变压器状态评估方法,在明确工况类型的前提下,对变压器的健康状态进行评估。首先基于邻近性、短期周期性和长期周期性三个时间尺度构建变压器状态评估输入样本集,然后构建基于Transformer时序网络的变压器状态评估模型,并通过变电站现场专家提供的变压器四类状态数据集对模型进行训练。实验结果表明,本文所使用模型对变压器多时间尺度输入的分类准确率高于传统的时序网络模型。最后针对不同工况样本集与不同输入特征组合进行对照实验,对本文所提出的基于工况辨识与融合电-热-机械能量损耗的变压器状态评估方法有效性进行验证。