针对现有直流微电网故障诊断面临的快速性与准确性问题，提出一种融合注意力机制的卷积神经网络(convolutional neural network

CNN)和双向长短期记忆(bidirectional long short-term memory

BiLSTM)网络的故障诊断方法。首先，利用CNN挖掘故障数据在某一时刻的纵向细节特征，并压缩数据长度，降低后续网络训练参数量，以提升故障诊断的快速性；进而，构建以BiLSTM为核心的级联网络，实现对故障数据在故障演化过程中横向历史特征的提取，并融合注意力机制促使模型关注故障时刻数据的特征变化规律，以提升故障诊断的准确性。仿真结果表明，相比于主流故障诊断方法，该文所提方法具有更高的准确率与更快的识别速度，并且对于故障记录数据在噪声干扰、不平衡样本以及小样本等情况下均具有良好的诊断性能。