Partiendo de la necesidad actual de la seguridad de los sistemas energéticos, en los que los transformadores de potencia desempeñan un papel clave, el estudio de la salud de los transformadores de potencia en servicio es una tarea difícil y compleja, ya que la evaluación consiste en identificar indicadores que puedan proporcionar datos precisos sobre el grado de degradación de los componentes y subcomponentes del transformador, con el fin de establecer un modelo para predecir la vida útil restante de los transformadores. Por lo tanto, este documento propone un modelo para evaluar la vida útil restante mediante el diagnóstico de la condición del transformador basado en el índice de salud (HI) obtenido de un análisis multiparamétrico. Para determinar la condición de los transformadores de potencia, se presentan varios métodos basados en la combinación del método del pentágono combinado de Duval (PDC) y la concentración de etileno (CH) para determinar la condición de falla, la combinación del grado de polimerización (DP) y la humedad para determinar la condición del aislamiento de celulosa y el uso del índice de calidad del aceite (OQIN) para determinar la condición del aceite. Para cada uno de los métodos de clasificación presentados, se han implementado aplicaciones basadas en aprendizaje automático (ML), en particular máquinas de soporte vectorial (SVM), para la clasificación automática utilizando el entorno de desarrollo Matlab. El enfoque algorítmico global presentado en este documento se suscribe a la idea de mantenimiento basado en eventos. También se presentan dos estudios de caso para validar los métodos y algoritmos de clasificación basados en SVM.