针对深度学习方法未明确学习变量间关系结构、系统异常难以准确检测的问题，提出一种深度图网络驱动的核电系统多级异常检测方法。首先，利用无监督图对比学习方法挖掘系统变量时间序列间相关性，构建与核电系统物理结构匹配的可解释性图结构；其次，基于变分图自编码器重构系统图结构，以重构误差来表征系统运行状态，从系统层面防止非线性突发行为带来的安全性问题；然后，通过半监督图卷积节点分类模型识别系统内部各变量运行状态，实现测点级异常检测；最后，以PCTranACP100仿真机2种基准事故工况数据、国内某核电机组循环水系统监测数据来验证提出方法的有效性。结果表明，系统级异常检测准确率达到93%，86%和90%，证明所提出方法能够准确检测出系统异常情况，可降低电厂单一仪表异常触发的非计划停机概率。