本发明属于电力系统领域，具体涉及一种面向大电网可靠性评估的深度神经网络结果可信性保障方法，包括根据数据分布情况确定原始场景与新场景下神经网络模型是否需要更新参数；若需要更新参数，则获取新场景的历史数据基于迁移学习技术对深度神经网络进行快速更新；针对完成更新的神经网络模型，当输入待分析样本时，将待检测样本与历史数据进行比较，若该样本与历史数据存在相似性，则将神经网络的预测结果作为该样本潮流分析结果，否则通过纯模型驱动的数值方法对该样本进行潮流分析；本发明实现深度神经网络的快速更新，节省训练样本和训练时间，且可有效判断单个样本分类的可信度，增加单个样本回归计算的鲁棒性。