本发明公开了基于卷积神经网络的电池模组安全状态评估方法及装置，所述方法包括：提取不同衰退状态下和不同工作状态下电池单元的输出电压、输出电流和中心位置处表面温度，组成三参数协同评估数据库，将数据库中样本分为训练集和测试集；将训练集输入卷积神经网络；将测试集输入卷积神经网络，若输出精度未达到要求，则返回上述步骤，直到输出结果精度达到要求；将实时采集的电池模组数据输入到最终的卷积神经网络模型中，得到电池单元的安全状态信息和健康状态信息；本发明的优点在于：同时评估电池单元的安全状态和健康状态，识别即将发生热失控或者正在发生热失控的电池单元，从而及时发现储能电池模组的整体风险。