Con el rápido desarrollo de aeronaves más eléctricas y totalmente eléctricas, el papel de los sistemas de suministro de energía en las aeronaves está cobrando cada vez más importancia. Sin embargo, debido al acoplamiento complejo dentro del sistema de suministro de energía, una falla en un componente a menudo conduce a anormalidades de parámetros en múltiples componentes dentro del sistema, que se denominan fallas asociadas. En comparación con las fallas convencionales, el diagnóstico de fallas asociadas es difícil porque la fuente de la falla es difícil de rastrear y el modo de falla es difícil de identificar con precisión. Con este fin, este documento propone un enfoque de coincidencia de gráficos para el diagnóstico de fallas asociadas de sistemas de suministro de energía basado en una red de contracción residual profunda. El núcleo del enfoque propuesto implica complementar el conocimiento de fallas previas incompletas con datos de monitoreo para obtener un grupo completo de gráficos de fallas asociadas. El modelo de grafo de asociación del sistema de suministro de energía se construye primero en función de una topología con propagación de señales características y las medidas asociadas de componentes típicos. Además, se retroceden los caminos de propagación de fallas basados en el algoritmo de Warshall, y se establece la actualización y mejora de los componentes anormales para fortalecer la relación de asociación, estableciendo un grupo completo de gráficos de modos de falla asociados típicos y realizando la combinación orgánica y el almacenamiento estructurado de conocimiento y datos. Finalmente, se utiliza una red de contracción residual profunda para diagnosticar las fallas asociadas mediante la coincidencia de gráficos entre el gráfico de estado actual y el grupo de gráficos históricos. Los experimentos comparativos realizados en el modelo de simulación de un sistema de suministro de energía de aeronaves demuestran que el método propuesto puede lograr un diagnóstico de fallas asociadas de alta precisión, incluso en circunstancias en las que hay un número insuficiente de muestras y parámetros faltantes.