本发明公开了一种基于深度学习的变压器复杂工况识别方法，包括以下步骤：S1：获取原始样本数据；S2：将原始样本数据构建为有类标、无类标和测试数据的数据集；S3：按照一定时间窗口对构建的数据集进行取窗与分组；S4：将窗内电压电流序列信号进行处理得到频谱数据；S5：对频谱数据进行循环神经网络训练；S6：对训练后的循环神经网络进行测试并优化；S7：将现场数据输入优化完成的循环神经网络，进行变压器复杂工况的识别和精确定位。该方法采用循环网络可对复杂混合故障进行准确判断与精确定位，提高了变压器复杂工况辨识的鲁棒性和实用水平。