本发明涉及一种设备的运行状态检测方法和装置，该方法包括步骤：检测设备的运行状态测点的当前数据，将当前数据转化为第一趋势图；将第一趋势图输入神经网络模型，获取神经网络模型对所述第一趋势图进行重建输出的第二趋势图；计算第二趋势图与第一趋势图之间的重建偏差；根据重建偏差获取设备的运行状态，由于该神经网络模型是基于设备的正常数据进行机器学习训练得到的，能够学习到正常数据的趋势分布等特征，使得当前数据输入的第一趋势图以及神经网络模型重建的第二趋势图之间的重建偏差能够准确反映设备是否处于异常的运行状态，提高对设备的运行状态进行检测的准确性以及全面性，有利于在早期发现设备的缺陷。