本发明提供了一种基于深度学习算法的煤矿井下刮板机负载异常检测方法，包括以下步骤：步骤1)提取历史数据并预处理；步骤2)依据比例对预处理结果数据进行训练集和测试集划分；步骤3)基于训练集，优选历史监测变量，搭建深度学习神经网络，构建数据加载器，训练深度学习网络，生成刮板机电流预测模型；步骤4)通过测试集预测误差统计结果构建误差置信区间，并进一步计算异常因子从而量化异常等级；步骤5)异常因子结合实时监测数据的变异系数、增幅、最大电流限值指标组合判定异常模式，实现刮板机异常负载智能报警。该方法通过挖掘数据特征，建立模型，对负载异常情况进行智能化检测并报警。