本发明属于故障识别技术领域，本发明公开了基于深度学习的电力设备故障识别方法及识别系统，包括采集磁芯数据和电力变压设备油箱数据；采集历史油质数据和磁芯噪音数据；训练出预测油质含水量数据的机器学习模型；将实时油箱特征数据输入机器学习模型中，得到油质含水量数据；将磁芯数据处理得到第一磁芯状态系数A；将电力变压设备油箱数据和磁芯噪音数据处理得到第二磁芯状态系数C；判断磁芯状态为正常或故障；生成故障信息并上报至维护端；实现了对电力变压设备磁芯状态的立体化监测；这对保证电力变压设备的可靠连续运行具有重要意义。