变压器绕组是变压器中最常发生故障的部分，故障类型多且常见程度不同。目前已有学者将机器学习应用于变压器绕组变形故障识别，但存在数据集不均衡时预测准确率低、运算时间长、所需样本量大等问题。为了解决上述的问题，文中提出了一种非均衡数据集下基于孪生卷积网络的变压器绕组变形故障识别方法，收集了变压器故障样本并搭建多种故障诊断模型进行对比以验证所提出方法的有效性。经过模型训练和验证，使用孪生卷积网络在非均衡数据集下进行变压器绕组变形故障识别正确率达到90%左右，高于卷积网络（CNN）、支持向量机（SVM）等其他方法的正确率。