La identificación de la causa de la caída de voltaje de alta precisión es significativa para resolver el problema de calidad de energía. Es un desafío para los modelos tradicionales de aprendizaje profundo equilibrar la complejidad del entrenamiento y el rendimiento de reconocimiento al procesar muestras de datos de alta dimensión, lo que afecta el efecto final de reconocimiento. Este documento propone un método de identificación de caída de voltaje que fusiona un auto-codificador disperso y Attention Unet. El modelo utiliza un auto-codificador disperso para realizar aprendizaje de características no supervisado en los datos de forma de onda de caída de voltaje de alta dimensión y obtener automáticamente las características profundas de baja dimensión. Attention Unet, fusionado con módulos de atención espacial y de canal entre capas, extrae aún más estas características para obtener resultados de reconocimiento con alto rendimiento. En comparación con otros métodos de reconocimiento de aprendizaje profundo, los experimentos de adición de ruido y los datos medidos están verificados, lo que indica que el método propuesto tiene baja complejidad de entrenamiento, mayor recuperación y mejor inmunidad al ruido. Beneficia la toma de decisiones auxiliares para la gestión y gobernanza de la calidad de energía.