本发明属于数据处理技术领域，提供了基于深度学习的质子交换膜燃料电池数据驱动方法及系统，采用BP神经网络模型从当前工况数据中提取当前运行变量特征信息，采用LSTM网络模型从历史输出电压数据中提取时间滞后信息；其中，LSTM网络模型的构建过程中包括LSTM网络的模型阶次的确定，所述LSTM网络的模型阶次通过采用自相关函数和偏自相关函数的分析方法拟合关系曲线，通过关系曲线的形态确定LSTM网络的模型阶次；将当前运行变量特征信息和时间滞后信息进行融合，通过BP神经网络进一步提取融合特征信息，得到预测电压，解决了传统的建模方法忽略了系统历史输出和当天工况的共同影响造成预测不准确的问题。