本文提出基於熱影像的故障痕跡法，解決困難取得故障資訊，且需多樣與大量故障資訊之環境，例如離岸風場。本文應用此方法於高壓模鑄式變壓器上，提出針對繞組短路故障的監測診斷技術，分類熱影像故障方法是透過卷積類神經網路(CNN)深度學習架構，不再區分特徵擷取演算法與分類器，有別以往使用傳統的機器學習方法來辨識熱影像。測試結果顯示，故障痕跡法在原始熱影像上成功模擬故障影像，且熱影像呈現以彩色與灰階方法來訓練模型及辨識表現，準確率達 99.8%以上，可做為狀態維護(CBM)用。