由于模块化多电平变换器(modularmultilevelconverters, MMC)实际模型中采样误差、电路参数不准确等因素，现有故障诊断策略存在鲁棒性差、阈值难选取等难题。为解决上述问题，提出了一种基于电容电压预测采样优化的MMC多管开路故障诊断策略。该策略将逐段误差优化后的电容电压、输出电流和环流作为故障诊断显性特征，利用结构简单、适应力强的一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)作为新的故障定位方案，实现MMC高精度开路故障诊断。所提方法无需增加额外传感器，在故障子模块电容电压变化的初始阶段即可实现子模块多管故障的快速准确定位。相较于现有基于电容电压的诊断策略，该方法极大地降低了系统参数误差，保证了故障诊断网络的鲁棒性。最后，仿真和实验验证了所提故障诊断策略的有效性。