本申请提出的变压器油中溶解气体样本筛选方法、装置及存储介质中，获取样本数据集，其中，样本数据集中的每个样本数据为以多种不同气体的含量组成的多维向量，之后，通过聚类算法对样本数据进行聚类，得到样本数据集中的噪声数据，将样本数据集中的噪声数据删除，得到用于训练故障分类模型的训练数据集。由此，本申请中将电力变压器产生故障后产生的多种油中溶解气体构成样本数据，然后利用聚类算法筛选出样本数据中的噪声数据，从而使得训练数据集中不存在难以真实表征电力变压器的故障类型的样本数据，进而使得后续通过训练数据集训练得到的故障分类模型的分析结果更加准确。