在可持续发展理念指导下,社会经济发展的步伐越来越快,用电负荷也随之增加,电力系统的重要性无需赘述,如何保证电力系统更加可靠地运行是当前电力及相关行业需要面对的重点问题之一。高压断路器在整条输变电线路中起着控制和保护的作用,是极为重要的组成部分,一旦高压断路器无法正常工作,所造成的损失是不可估量的。随着近些年新投运断路器数量的激增,目前的状态检修加定期维护的方式已经很难满足需求,运维检修人员工作量巨大,无法满足断路器每年进行小检修的要求,有时也会存在不到位的情况,但同时也存在检修过剩的问题。因此迫切需要通过技术手段调整检修策略,以提高设备的可靠性,同时减少运维检修人员的工作量,降低运维成本。本文主要研究内容如下:首先,对当前断路器维护工作中存在的问题进行分析和比较。其次,通过对断路器故障的原因分析及人工智能在我国电力行业的应用情况,确定建立断路器健康评价模型对实现差异化检修,提高检修效率有促进效果。本文借助BP神经网络建立了一套可靠的评价模型,通过案例研究、理论分析结合专家建议确定神经网络的输入输出层,并采用历史运行波形数据完成BP神经网络的训练。最后,通过2018年北京地区的24台断路器的监测数据来验证本文研究的效果,确定本文所提出的健康度模型的可行性,明确本文所建立的健康度模型可以提高现场工作效率、完善检测手段、降低资源浪费,是实现差异化检修的有效途径;同时采用数据对比的方法,给出训练组数与训练效果的对比,为其他型号断路器采用BP神经网络评价机械特性健康度做好铺垫。针对本文提出的健康度模型结合实际运行情况,提出评价模型的改进思路,进一步提高对断路器实现差异化检修的实际指导意义。