本发明涉及高压电缆技术领域，具体涉及基于深度学习的高压电缆局部放电故障定位方法及系统。方法包括以下步骤：S1:采用同步相量测量装置获取电力系统的原始局部放电脉冲的特征参数；S2:对原始局部放电脉冲的特征参数进行预处理，构建局部放电信号特征数据集，所述预处理使用了基于随机矩阵理论和改进的卡尔曼滤波；S3:将所述局部放电信号特征数据集输入预先构建的基于深度循环神经网络模型中，输出故障区域识别结果或故障定位结果。利用了RMT和动态卡尔曼滤波对数据处理的优势，将PUMs采集的原始数据进行处理，得到更强的鲁棒性。