本发明涉及一种500kV变压器设备故障识别方法，步骤：数据集的获取；构造多特征融合的卷积神经网络模型；将数据集分成两个部分：训练集用来训练模型，测试集用来测试模型准确度；模型参数的选择；两个子模型融合层数的选择；运行模型，当识别准确度较低时，将新数据加入训练集再次训练模型。本发明在一维卷积神经网络中引入了融合层，提高了网络中不同层的多样性特征，在复杂电能质量扰动下具有较好的性能，能够准确识别出复合扰动信号的类别。本发明具有能够提取信号的有效特征、训练时间短、准确度高等优点，可以有效提升对复合电能质量信号识别的准确度。