利用复杂网络的方法研究现实复杂系统已经成为一个重要的研究课题,并有一些成功的应用,但尚未应用于电力设备监测系统。电力设备状态监测参量众多,数据量大,但这些参量之间的关系是未知的,因此,电力设备监测参数关联网络推断与结构分析是一项具有难度的研究方向。有关于这个研究方向,本文主要做了以下方面的工作:首先,对参数间关系识别的常用方法及网络结构分析的相关理论进行了总结。主要内容包括:(1)关联关系识别的互信息方法:熵的定义,互信息的定义、互信息估计、DPI算法;(2)复杂网络常用的拓扑特征:节点的度及度分布、平均路径长度、聚类系数和节点介数中心性。其次,对电力设备监测参数数据进行了探索性分析。主要内容包括:数据预处理、监测参量的时间序列分析和对比分析。再者,基于相关系数和互信息分别对参数关联网络推断进行了实现。主要内容包括实现的方法及步骤。并分析了互信息重构网络的合理性,优越性。最后,对推断得到的关联网络采用若干度量指标进行了结构分析。主要内容包括重要节点分析,网络鲁棒性分析,子群分析等。并且针对分析得出的重要节点,利用多元线性回归模型和回归树模型进行模型构造和预测,利用NMSE对模型的性能进行评估。本文基于一部分电力设备监测数据,利用两种方法进行参数关联网络推断。不但说明了相关的研究理论,并进行了具体的实现。通过将推断得到的网络与实际设备网络进行对比,验证了方法的合理性。通过对网络的结构特征进行分析,揭示了一定的隐藏在数据背后的现象。因此,本文对于电力设备监测参数关联网络的进一步研究具有一定的借鉴意义。