本申请提出了一种基于深度学习的发电机组的异常模式检测方法及系统，该方法包括：获取发电机组的历史运行数据,并对剔除异常数据后的历史运行数据进行稳态判别和工况划分；通过高斯混合模型确定每个工况下阈值型征兆的基准值，并训练双向长短期记忆网络预测数据趋势；将实时数据与对应工况下的阈值型征兆的基准值进行对比，提取阈值型征兆；获取在实时数据之前的相邻预设时段内的目标数据，通过训练完成的双向长短期记忆网络预测目标数据的数据趋势，确定实时数据与数据趋势的偏离程度，提取趋势型征兆；根据提取的征兆确定异常模式。该方法可以从大量运行数据中对异常阶段的数据进行准确的识别，提高异常模式检测的准确性。