【摘要】随着电力系统规模不断扩大和智能化水平提升，电气设备关键部件的剩余寿命预测已成为状态维修与健康管理的核心环节。本文系统综述了电气设备关键部件剩余寿命预测的研究现状、方法分类与应用进展。首先，分析了剩余寿命预测的技术挑战与意义；其次，分类阐述了基于模型驱动、数据驱动和混合方法的预测原理与典型算法，包括马尔可夫链、维纳过程、长短时记忆网络（LSTM）和卷积神经网络（CNN）等；再次，进一步探讨了特征提取、健康指标构建、不确定性量化等关键技术挑战与解决方案；通过发电机轴承、变压器绕组、断路器等关键部件的应用案例，对比分析了不同方法的预测性能；最后，展望了数字孪生、大模型赋能、多源信息融合等未来发展趋势。本综述为电气设备智能运维提供了技术参考与方法依据。