本发明公开了一种基于行波数据深度学习的输电线路故障选线与定位方法，利用深度学习模型不断迭代，从而自适应调整参数并学习行波数据的特征，计算输电线路组中各条线路之间的差异，选出故障线路；基于选取的故障线路，利用滑动窗口将双端故障行波数据分组，采用孪生神经网络构建双端行波数据相似度匹配模型，根据计算出的最大相似度来获取双端行波数据匹配窗口，从而根据窗口时间比例计算输电线路故障点所在位置。本发明使得行波数据的时序性得到了保障，可更好的使用特征选出故障线路。孪生神经网络根据匹配窗口计算双端行波传递时间比例从而确定故障发生的位置，具有较高的准确性。