Planiranje preventivnog održavanja transformatora - kao sastavni dio procesa upravljanja imovinom elektroprivrednog poduzeća - ako je pravilno optimizirano, omogućuje znatne uštede u troškovima održavanja i rezultira povećanom pouzdanošću transformatorskih stanica. Međutim, situacija je pogoršana značajnom neizvjesnošću uključenom u procjenu zdravstvenog statusa transformatora, koja nije nužno povezana s njegovom starošću, kao i u projiciranoj zamjeni sredstava i troškovima održavanja. Također postoji nesigurnost svojstvena ispitivanjima transformatora kao takvima. Ovaj rad predlaže novi pristup optimalnom planiranju preventivnog održavanja transformatora, uz korištenje Bayesovog statističkog učenja i generalizacije Bayesovih mreža, za donošenje odluka na temelju hipoteze očekivane korisnosti. Predloženi pristup, u biti, upravlja rizikom povezanim s poduzimanjem različitih preventivnih radnji iskorištavanjem nesigurnih informacija o stanju transformatora i očekivanim troškovima tih radnji. Na taj način svaka buduća odluka ima novčanu vrijednost koja ovisi o konkretnim okolnostima koje definira elektroprivreda. Učinci povezani s vremenom uvode se u proces donošenja odluka Bayesovim ažuriranjem prethodnog uvjerenja o ispravnosti transformatora novim informacijama. Rješavanje problema odlučivanja svodi se na određivanje (optimalne) strategije koja maksimizira očekivanu korisnost za donositelja odluka. Povrh toga, Bayesov pristup, jedinstveno, nudi izričito objašnjenje pune neizvjesnosti povezane sa svakim korakom u procesu donošenja odluka. Predloženi pristup i njegove prednosti demonstrirat će se na floti energetskih transformatora. Pokazat će se da model može predvidjeti s točnošću od 90% i visokom pouzdanošću klasu indeksa zdravlja transformatora iz malog skupa podataka. Također će se pokazati da može predvidjeti uz visoku očekivanu dobit koji bi transformatori u skupu podataka imali najviše koristi od rane intervencije (povratak oko 25% predviđenih troškova i zadržavanje preko 90% predviđenih ušteda).