在电网故障问题日益受到关注的今天，为了提升电力检修部门的电网故障诊断效率，提出了基于堆叠稀疏自动编码器（Stacked Sparse Automatic Encoder, SSAE）和卷积神经网络（Convolution Neural Network, CNN）的SSAE-CNN融合网络交直流电网故障诊断模型。实验结果表明，融合网络故障诊断模型的故障线路诊断准确率为99.86%，高出SSAE-BP诊断模型0.62%，高出一般故障诊断模型两个百分点。故障类型诊断准确率为99.93%，高出SSAE-BP融合模型0.66%。提出的电网故障诊断模型无论在诊断精度，还是诊断速度上均优于一般模型，能对各类电网故障进行准确诊断分类，为电力检修部门进行电网故障诊断提供数据参考，具有重要的实用意义。