本发明公开了一种电力系统主设备数字孪生模型构建方法，并公开了对应模型的训练方法，其中数字孪生动态更新模型以传统检测数据和二维图像为输入，通过卷积神经网络提取图像特征，然后经过隐藏层、池化层和全连接层进行处理，最终输出设备状态。与此同时，模型利用液态神经网络捕获设备的时序信息，通过常微分方程求解器模拟连续时间以提高精度和稳定性，从而提高电力系统主设备的数字孪生体建模精度，从而增强了监测和故障预测性能。同时数字孪生动态更新模型的训练过程中，利用卷积神经网络的反向传播，通过定义损失函数和利用梯度下降法，使网络自动学习特征并优化参数，以最小化误差，从而提高了训练效率。