本发明涉及电力系统故障检测技术领域，公开一种基于SCINet的电力系统故障状态检测分类方法。首先采集电力系统的各节点量测数据，按照时间顺序依次排列组成原始时间序列数据集，并将数据集划分为训练集和测试集；再将训练集的数据输入进基于SCINet的电力系统故障状态检测分类模型中，深入挖掘、学习训练集数据的关联特性和特征信息；并通过训练不断优化调整模型自身的各项结构参数，以便最终得到性能表现最优的故障检测分类模型；最后将待检测的测试集数据输入进训练完成后的电力系统故障状态检测分类模型中，以得到最终的检测分类结果。本发明采用样本卷积和交互网络，具备更大的感受野，能更好、更有效地捕捉复杂时序数据中的动态时间特征。