为解决电力设备状态参量数据采集过程中的数据冗余问题,准确获取电力设备的运行状态以及运行过程中的故障信息,将压缩感知技术引入电力设备状态感知中,提出了一种具有原子数自适应性的稀疏字典建立方法;改进了传统观测矩阵的建立方法,实现了最大稀疏化的等时间间隔采样;提出利用稀疏化采样数据,建立设备状态生理健康曲线的方法;探讨了通过对生理健康曲线的模式识别与状态时序分析,实现设备故障诊断的方法。最后,对某500 kV变电站电抗器油温的实测数据的应用结果表明,压缩感知技术可在完整保留设备状态参量变化特征的前提下,有效降低电力设备状态参量数据采集的"时间密集性",并利用"时间稀疏化"的采集数据,能够较好地识别设备潜在运行故障。该研究对电力设备状态数据采集的时间间隔给出了科学指导,避免了实际中盲目追求采集时间密集性所带来的系统资源及成本的浪费,同时也为如何在设备状态参量数据采集欠缺的情况下,获取设备状态的完整信息以及故障提供了新的技术思路。