Los sistemas de puesta a tierra de baja corriente son el principal método de puesta a tierra utilizado en redes de distribución de energía y pertenecen a sistemas de puesta a tierra no directa. La falla más común en este tipo de sistema es una falla de puesta a tierra monofásica, que puede causar incendios eléctricos y poner en peligro la seguridad personal. Debido a la dificultad de solucionar problemas, la selección de líneas de falla en sistemas de puesta a tierra de baja corriente siempre ha sido un tema de investigación importante en la protección de relés de sistemas de energía. Este estudio propone un nuevo enfoque para la identificación de fallas en líneas de energía basado en la transformación de Euler y el aprendizaje profundo. En primer lugar, las señales de corriente de la red de distribución se transforman rápidamente mediante la transformada de Fourier para obtener sus frecuencias y construir señales de referencia. Luego, las señales de corriente se combinan con las señales de referencia y se transforman en imágenes utilizando la transformación de Euler en el plano complejo. Las imágenes se clasifican utilizando un modelo de red residual. La red neuronal convolucional en el modelo puede extraer automáticamente vectores de características de falla, logrando así la identificación de líneas defectuosas. La simulación se realizó en base al modelo existente, y se llevaron a cabo amplios entrenamientos y pruebas de datos. Los resultados experimentales muestran que este método tiene buena estabilidad, rápida velocidad de convergencia y alta precisión. Esta tecnología puede llevar a cabo de manera efectiva la identificación de fallas en redes de distribución de energía.