本发明公开基于深度卷积神经网络的10kV单芯电缆早期状态辨识方法，包括：从电缆首端获取接地线电流信号并截取接地线电流突变信号，利用小波变换对突变信号进行分解和分支重构获得多个尺度分量信号，对重构出来的每个尺度分量信号进行特征提取以构建电缆早期状态辨识特征矩阵，依据矩阵的尺寸特点构建7层深度卷积神经网络模型；基于训练完成的目标模型进行电缆早期状态辨识。本发明能充分利用电缆运行的大量数据，将原始信号中的不同频率成分信号的波形特征与能量特征提取出来作为深度CNN网络的输入，通过CNN模型归纳输入与输出的对应关系，从而完成电缆早期状态的辨识，辨识准确率可达99.23％。