探究科学的电网备品备件分类方法,提高供电质量和可靠性,由此提升电网应对事故的响应能力并节约电网企业成本,已经是当前电网行业和学术界共同关注的急迫任务。如何结合电网备品备件的特点确定影响其分类的多属性指标,并根据指标对大批量的电网备品备件进行科学分类已成为电网公司备品备件管理工作的前提和关键问题。本文针对电网备品备件分类问题,研究了基于卷积神经网络的电网备品备件分类方法,具体研究内容包括:（1）分析了目前电网公司备品备件分类管理的现状和不足,并提出了改进思路。对电网公司目前的多级库存结构、备品备件分类以及管理情况进行了详细的梳理和分析,总结了目前电网备品备件管理工作中存在的问题和不足。结合电网公司的实际运行情况,提出了电网备品备件分类方法的改进思路。（2）构建了基于卷积神经网络的电网备品备件分类模型。首先,针对电网备品备件的特点和历史消耗情况,分析了影响其分类的定性指标和定量指标,构建了具有电网备品备件特点的多属性分类指标体系;其次,将影响指标作为卷积神经网络的输入,采用ShuffleAdapter算法将一维电网备品备件数据转化为二维,并调整卷积神经网络的卷积层、池化层、全连接层的层数和大小,加入BN（Batch Normalization）层来改进卷积神经网络模型的训练效率和分类性能;最后,采用Softmax分类器得到分类结果。（3）根据电网备品备件分类结果,提出了相应的分类管理策略。针对不同种类电网备品备件的特点,分别采用分批订货经济订货批量模型、连续盘点库存控制模型、周期盘点库存控制模型对不同类别电网备品备件的库存水平、安全库存、最大库存量等指标进行定量计算,得到电网备品备件的分类管理策略。（4）开展实例分析。依据A供电公司部分备品备件数据,首先对样本数据进行数据预处理,将指标数据标准化并扩大样本数据量;然后,采用5折交叉验证的方式将电网备品备件训练集数据输入本文构建的卷积神经网络模型中进行训练,通过训练表现优化模型结构并调整超参数,提升模型的分类性能,验证本文构建的分类模型的有效性。最后,对分类后电网备品备件的库存管理策略进行了实例分析,计算了不同种类电网备品备件的订货点、订货量、最大库存水平等指标,为企业管理者提供决策支持。