本发明提供一种基于机器学习算法的电力通信网故障诊断方法与系统，属于电力技术领域，具体包括：电力通信网的故障数据采集，通过聚类分析与滑动窗口结合的方式对数据进行去噪，并通过综合熵的方式对数据进行加权处理；将处理过的告警数据进行处理和编码，形成故障状态矩阵集，并将故障状态矩阵集全部转为灰度图像；采用Mallat算法将各灰度图像逐层分解为高频分量子图像和低频分量子图像，并对高频分量子图像和低频分量子图像分别进行融合处理；重构灰度图像，并将其输入到已训练完成的基于NIN‑CNN神经网络的电力通信网故障诊断模型之中；输出电力通信网故障诊断的诊断结果；解决了原先预测精度低、速度慢的问题，具有很好的故障诊断速度和精度。