通过对深度卷积神经网络的深入研究，提出基于深度卷积神经网络的电力系统故障预测方法，保障系统安全运行。采用广域测量系统测量每个支路与节点，将获得的功率与关键特征值分别作为深度卷积神经网络模型输入、输出，训练这2个数据，并使用深度卷积神经网络AlexNet分析输入数据与输出数据的映射关系，建立基于深度卷积神经网络的电力系统故障预测模型，通过特征值分组、振荡模式筛选、数据预处理、模型训练和模型评估，实现电力系统运行状态评估，完成电力系统故障预测。实验结果说明：该方法的关键特征值计算结果与实际结果基本一致，可靠性高；使用正则化可提升模型泛化效果，防止模型过拟合；与其余方法的准确率和误报率指标相比，所提方法的准确率高达99.52%，误报率为1.16%，综合评价指标较高，评估效果优势显著。