本公开提供了一种基于恶劣天气跳闸事故的电网故障预测方法及系统，采用K‑means聚类算法的思想对与跳闸事故相关的恶劣天气数据进行挖掘，并采用离散化采样方法平衡各特征区间内的样本因子数据权重，将分布不均匀的数据集变成均匀的数据集，减少了数据的计算规模，提高了模型的泛化能力；然后通过构建的BP神经网络模型对天气数据进行判断和预测，提高了针对恶劣天气数据引发跳闸事故预测的效率和准确度，从而在电网抗灾抢险中由被动接受风险，改为主动防御，缩短预警到启动响应时间，保障了电网运行的稳定性。