本发明提供了一种基于深度学习的电力系统鲁棒状态估计方法及系统，获取电力系统的运行参量数据；对获取的运行参量数据进行异常和/或缺失判断；当存在异常和/或缺失时，根据获取的运行参量数据和内核岭回归模型，得到鲁棒状态估计结果；当存在异常和/或缺失时，采用注意力机制的卷积神经网络对运行参量数据进行权重筛选，根据长短期记忆神经网络，得到鲁棒状态估计结果；本发明克服了电力系统状态估计中量测量存在非高斯噪声、预测精度低和时效性差的问题，提高了鲁棒状态估计的准确性。