伴随着电网结构的扩延、电力设备性能的大幅提升以及智能化设备的不断增加，常规检修存在盲目性和不科学性，已经无法适应电网的高速发展，而状态检修是从设备的实际运行情况出发，具有针对性和实时性，可有效解决当前检修工作面临的问题，已成为输变电设备检修的发展方向。状态检修需要对大批量数据和试验结果进行系统全面的分析，若只靠人工来完成，工作量大且易出错，所以开发一套功能齐全并具有通用性的输变电设备状态检修辅助决策支撑系统具有一定的实用价值。本文主要对系统的综合评估和诊断这两个核心部分进行了深入分析和研究。首先分析了设备状态检修信息的结构，然后以油浸式变压器为例重点研究了综合评估和状态诊断的方法。设备的评估采用分段的半梯形分布模型对单项状态量进行评分，评估综合考虑了设备当前状态和预测状态，以便能更加准确了解设备的健康水平。而在诊断中，故障原因与故障征兆间的关系尚不确定，存在模糊性，故选用模糊C均值聚类算法。但该算法将故障样本等同地进行模糊划分，且对初始值敏感，针对以上不足本文提出将粒子群优化的加权模糊聚类算法用于变压器的诊断中，实验结果表明该算法不仅弥补了模糊聚类的缺陷，而且提高了故障分类的正确性。最后，进行了数据库的设计及其评估和诊断功能界面的开发，为合理制定检修策略提供了依据，同时也为状态检修工作的实施打下坚实的基础。