结合电力系统设备维护管理问题，基于大数据分析技术，构建了多维状态指标体系与模糊综合评判、深度学习算法相结合的设备状态评估模型。即设计了包含风险评估、成本效益分析和维护周期优化的决策支持系统，采用层次分析法确定指标权重，运用贝叶斯网络评估设备故障风险。特高压变电站应用实践表明：运用所提出的智能维护策略后，年度维护成本降低23.7%，设备可用率提升4.5%，故障维修成本降低50.4%；主变压器维护策略优化的投资回报率达3.85%，投资回收期约2.3 a。研究成果为电力设备状态检修提供了理论依据与技术支撑，对推动电力设备维护向智能化、精准化方向发展具有重要指导价值。