为保障气体绝缘开关设备稳定运行,提出基于时序模型和深度学习的设备故障上限评估算法。该方法利用经验模态分解平稳化时间序列的不规则波动,结合长短期记忆网络构建联立算法;然后,通过该算法处理设备故障数据,提取敏感的本征模函数分量,进而完成故障特征的提取;最后,构建深度学习模型,并确定折射、反射系数,实现设备故障上限评估。测试结果表明:本文算法具有理想的故障上限评估结果,所得曲线与实际结果曲线之间具有较高的拟合度。由此可证明,本文算法可对设备故障上限进行科学评估,具有一定应用价值。