针对电网故障预测问题，提出了一种基于长短期记忆（LSTM）网络的改进模型。该模型利用深度学习技术中的LSTM对电网历史数据进行建模，能够有效捕捉电网故障的时序特征，从而提高故障预测的准确性和可靠性。实验结果表明：LSTM模型在准确率、精确度、召回率、F₁值和均方误差等多个评估指标上均优于支持向量机（SVM）、随机森林（RF）和多层感知机（MLP）等传统算法。与传统方法相比，LSTM模型在处理复杂时序数据方面表现出了显著优势，能够为电网故障预测与诊断提供更加精确的支持。