本发明提供了一种基于群体数据和自编码器的设备健康评估方法及系统，包括：获取同一工况下多个相同设备的运行状态信号；对所有信号进行预处理，计算信号间的差异性并生成差异性矩阵,将多时刻多时间跨度的差异性矩阵拼接成张量；利用差异性矩阵拼接成的张量作为训练数据，训练多尺度自编码器以最小化重构误差，生成机器学习模型；将经过处理的设备运行数据输入多尺度自编码器，通过重构误差反映数据偏离正常状态的程度，根据数据异常程度评估设备健康状况。本发明通过群体数据之间的差异性判断个体数据的异常，从而反映出设备的健康状况，避免了高频信号的采集和复杂工况的控制。