电力设备的状态检修策略正逐步替代传统的定期检修策略,实现电力设备状态检修的核心工作之一是确定电力设备的状态,即状态评估。当前,随着一次设备和二次设备的状态评估工作的持续开展和电力信息系统的推广应用,电力设备的状态数据得到了大规模的采集和存储,为数据挖掘技术的应用提供了良好的数据基础。本文针对以变压器、架空输电线路为代表的一次设备和以继电保护设备为代表的二次设备展开了基于数据挖掘技术的状态评估方法研究。本文提出 了基于 SMOTE(Synthetic Minority Over-sampling Technique)和决策树算法的变压器状态评估方法。引入变压器状态评估遵循“短板效应”的观点,针对每个部件选择状态量。采用SMOTE算法减轻了变压器样本集类别不平衡现象。根据变压器状态评估工作采用扣分方式的特点,将其视为分类过程,定义模型输出为状态等级,采用C4.5决策树算法构建变压器状态评估模型。利用决策树模型为白箱模型的特点进行知识获取,从模型中提取变压器关键状态量和关键评估规则。以某地市级供电公司实际数据开展实例分析,结果表明本文提出的方法能构建分类性能较好的变压器状态评估模型,并且能够完成知识获取工作。本文提出了基于随机森林算法的架空输电线路状态评估方法。考虑影响架空输电线路状态的特殊情况并选择了对应状态量。针对线路状态量数量远多于变压器的情况,考虑随机森林在高维特征处理能力上比单一决策树更强,采用随机森林算法构建架空输电线路状态评估模型。以某地市级供电公司的架空输电线路数据展开实例分析,结果表明本文提出方法能够构建分类效果较好的架空输电线路状态评估模型。本文提出了基于数据挖掘技术的继电保护设备状态评估方法和风险评估方法。针对本体和二次回路选取了相应状态量,根据继电保护设备状态评估工作采用综合评分法的特点,将其视为回归过程,定义模型输出为状态评分,采用BP神经网络算法构建继电保护设备状态评分预测模型。在此基础上,提出基于状态评分的继电保护设备风险评估方法。引入缺陷率-状态评分函数,得到由状态评分计算缺陷率的方法,建立了状态评分和风险评估的联系。实例分析部分以实际数据构建基于BP神经网络的继电保护设备状态评分预测模型,模型具有较高的预测精度。采用本文风险评估方法举例分析继电保护设备的风险情况,证明了本文提出的风险评估方法的实用性。