【摘要】本研究聚焦于基于深度学习的变电站设备故障诊断方法，并提出了一种基于长短期记忆（ｌｏｎｇ ｓｈｏｒｔ⁃ｔｅｒｍ ｍｅｍｏｒｙ，ＬＳＴＭ）网络的优化方案。 首先，利用传感器采集电信号数据，并进行预处理，得到用于训练模型的数据集。 其次，建立了基于 ＬＳＴＭ 的故障诊断模型，并引入 Ｌ２ 正则化对模型进行优化，以提高模型的泛化能力和准确性。 最后，通过实验测试了传统 ＬＳＴＭ 和优化后的 ＬＳＴＭ方法在模拟数据集上的性能。 结果表明：优化后的方法在准确率、精确率、召回率和 Ｆ１ 值等指标上均优于传统方法。 综合实验结果，本研究的方法在变电站设备故障诊断中具有较高的准确性和可行性，为提高电力系统安全稳定运行提供了有效的技术支持。