本发明公开了一种基于深度学习及并行计算的电网数据流连接方法，提出了一种高效的数据并行相似性连接策略，基于深度循环神经网络将它们嵌入到一定维度的空间中，避免了采样率或长度不一致等问题导致的计算瓶颈；同时，通过网络学习到的表示结果可以成功捕捉数据的时空特征，提高模型对噪声点的抵抗力；本发明采用矩阵模型对向量组的相似度进行分布式计算，当用向量表示时，相似度计算方法一般是序列数据的余弦相似度，因此，本发明不需要考虑点对齐的问题，在执行顺序连接操作时能够保持系统稳定性和连接计算准确性。