本发明公开了一种基于深度学习的极限传输容量的计算方法，包括如下步骤：步骤一，用于深度置信网络的离线训练的样本空间生成；以电网稳态特征(如电压、相角、发电机出力等)为基准构建样本空间的输入特征；步骤二，样本空间的目标特征生成；基于已制定的输入特征集合，采样生成样本工况；对每一个样本工况，计算其目标特征(即极限传输容量值)；在离线阶段，采用重复潮流计算极限传输容量，生成输出特征样本数据；步骤三，根据样本数据离线构建极限传输容量预测器；根据离线构建的极限传输容量预测器，在线阶段快速计算极限传输容量值。通过本发明，解决了传统方法对考虑多种动静态稳定性、多预想事故集、多断面的极限传输容量计算效率偏低的问题。