El estado de salud del equipo es de suma importancia durante la operación de las plantas de energía nuclear. La ocurrencia de fallos no solo conlleva pérdidas económicas significativas, sino que también plantea riesgos de víctimas y incluso accidentes mayores, con consecuencias inimaginables. Este documento propone un marco de aprendizaje profundo llamado PT-Informer para la predicción, detección y localización de fallos con el fin de abordar los desafíos del monitoreo en línea de la salud operativa de las turbinas de vapor nucleares. A diferencia de los enfoques tradicionales que implican un diseño y ejecución separados de la extracción de características para el diagnóstico, clasificación y predicción de fallos, PT-Informer tiene como objetivo extraer características de fallos de la señal de vibración en bruto y realizar predicciones de fallos en ultra tiempo real antes de que ocurran. Específicamente, la estructura de codificación y decodificación en PT-Informer asegura la captura de dependencias temporales entre las características de entrada, lo que permite una predicción precisa de series temporales. Posteriormente, los datos predichos se utilizan para la detección de fallos utilizando PCA en el marco de PT-Informer, con el objetivo de evaluar la probabilidad de fallo del equipo en un futuro cercano. En caso de fallos potenciales futuros, se utiliza t-SNE para proyectar datos de alta dimensión en un espacio de menor dimensión, facilitando la identificación de clústeres o grupos asociados con diferentes tipos de fallos o condiciones operativas, logrando así una localización precisa de fallos. Los resultados experimentales en un rotor de turbina de vapor nuclear demuestran que PT-Informer superó al GRU tradicional con una mejora del 4.94% en el rendimiento R2 para la predicción. Además, en comparación con el modelo convencional, el PT-Informer propuesto mejoró la precisión de clasificación de fallos del rotor de turbina de vapor nuclear del 97.4% al 99.6%. Varios experimentos comparativos proporcionan pruebas sólidas de la efectividad del marco PT-Informer en el diagnóstico y la predicción de turbinas de vapor nucleares.