本發(fā)明公開了一種基于AI的電氣設(shè)備狀態(tài)監(jiān)測預(yù)警模型及其方法，包括DCS監(jiān)測模塊、AI電氣設(shè)備參數(shù)設(shè)置模塊、數(shù)據(jù)采集模塊、分析處理模塊、預(yù)警模塊及中央控制模塊，所述DCS監(jiān)測模塊用于分散式監(jiān)測AI電氣設(shè)備的控制模塊，利用多層分級分散監(jiān)測電氣設(shè)備的狀態(tài)量，所述AI電氣設(shè)備參數(shù)設(shè)置模塊即用于傳輸AI電氣設(shè)備運行狀態(tài)量的參數(shù)值，又用于智能系統(tǒng)自適應(yīng)調(diào)控參數(shù)值正常運行AI電氣設(shè)備；本發(fā)明與傳統(tǒng)AI的電氣設(shè)備狀態(tài)監(jiān)測預(yù)警模型相比，采用卷積神經(jīng)算法，建立貝葉斯概率模型，實現(xiàn)了狀態(tài)監(jiān)測的預(yù)警模型在機器學習技術(shù)下，自適應(yīng)調(diào)節(jié)控制AI電氣設(shè)備運行狀態(tài)的功能，達到了預(yù)警模型的高效精確處理化及預(yù)警措施多元化。