Para abordar el problema de la insuficiente supervisión de seguridad de los vehículos de mantenimiento de energía durante las operaciones de energía, este estudio propone un esquema de monitoreo de vehículos basado en banda ultra ancha (UWB) y aprendizaje profundo. El algoritmo de localización UWB emplea la Optimización de Enjambre de Partículas Caóticas (CSPO) para optimizar el esquema de localización de Diferencia de Tiempo de Llegada (TDOA)/Ángulo de Llegada (AOA) con el fin de superar los efectos adversos de la distancia no visual y los efectos de multipath en subestaciones y mejorar significativamente la precisión de posicionamiento de los vehículos. Para resolver el problema de una gran relación de aspecto y el ángulo en el proceso de conciencia situacional de operación del vehículo de mantenimiento de energía en el brazo mecánico del vehículo de mantenimiento, la red de reconocimiento de brazo se basa en la versión 5 de You Only Look Once (YOLOv5) y se modifica mediante el Módulo de Atención de Bloque Convolucional (CBAM). El método de definición de borde largo con etiqueta de suavizado circular, función de pérdida SIoU y función de activación HardSwish mejoran la precisión y la velocidad de procesamiento para el estado del brazo. Los resultados experimentales muestran que el CPSO-TDOA/AOA propuesto supera a otros algoritmos en precisión de localización y atenúa efectivamente los efectos de distancia no visual y multipath. La precisión de reconocimiento de la red YOLOv5-CSL-CBAM se mejora sustancialmente; el valor de mAP del brazo de los vehículos alcanza el 85.04%. La velocidad de detección cumple con el requisito de tiempo real, y el gemelo digital del vehículo de mantenimiento se realiza de manera efectiva en el modelo de subestación 3D.