本论文依托于2019年度四川省重大科技专项“智能钻机研制及应用”。近年随着石油钻机平台规模的不断升级,微电网作为其核心系统,石油钻机微电网的规模也不断地扩大。本文致力于合理有效挖掘分析石油钻机微电网指数暴增的监测数据,以石油钻机微电网主要电力设备为研究对象,对其结构和主要故障类型进行分析,建立电力设备监测指标预测模型和故障分类识别模型,制定考虑故障预测结果和维护风险的维护策略。具体的,主要包括以下几个部分内容:首先,本文对石油钻机微电网主要电力设备的故障进行了分析,对应为电力设备建立故障树分析模型,最后给出主要设备的核心监测指标,并考虑外在因素对电力设备的影响,对监测指标的辅助信息量进行了划分。其次,针对预测模型输入中的辅助信息量没有被量化的问题,结合组合赋权的思想,对辅助信息量进行组合赋权量化。进一步,建立基于门控循环单元（Gated Recurrent Unit,GRU）网络结构的电力设备监测指标预测模型,并对预测模型网络结构进行了介绍,最后通过实验验证了预测模型的可靠性。然后,考虑石油钻机微电网系统故障样本少的问题,采用优化的Softmax作为输出分类器,建立基于多元长短期记忆网络（Multi-LSTM,MLSTM）的电力设备故障分类识别模型,将电力设备监测指标的预测值输入训练好的故障分类识别模型,输出对应的故障类型和发生概率,实现对电力设备故障的预测。通过实例验证,证明了模型的有效性。最后,基于石油钻机电力设备的故障预测结果,考虑电力设备在不同状态下,需要的维护方式不同,以及不同的维护方式所需的维护时长、花费也不一样。本文将维护时间和维护方式作为决策变量,对石油钻机微电网的故障风险的运行风险进行评估,设置了电力设备状态、电网稳定性、维护资源等约束条件,建立了基于故障预测和风险评判的石油钻机微电网维护策略,通过双群学习粒子群优化算法对模型进行求解,验证了本文所提理论的有效性。本文为石油钻机平台微电网故障预测与维护提供了一些基本的研究思路,为有效提高复杂工况下石油钻机微电网的安全性、可靠性提供了方法支持。