新型电力系统对设备可靠性提出了更高要求，随着电气设备规模快速增长，在有限的运维检修资源下维持设备可靠性，其挑战日益增大。

      另一方面，随着人工智能、大数据技术的进步，以及设备监测与带电检测技术手段的提升，通过结合数据驱动与设备失效机制进行状态智能评估、趋势预测、风险研判成为未来发展方向。从单个设备评估到设备群风险评估，进而基于设备风险等级进行检修策略优化，将有效降低设备群体风险，提升运维检修效益。

      上述研究需要解决的核心关键问题包括，1）设备多元异构数据的融合方法与模型；2）基于数据驱动与故障机理的设备健康状态评估模型；3）考虑设备群体运行风险的检修优化决策技术。