大部分电气设备具有结构密闭、散热性差、大电流、高电压、强磁场等特点,其长时间连续工作时热量集中带来的温升不仅破坏电气设备的稳定运行,甚至会导致电气设备故障,严重缩短设备使用寿命。为了有效的保证电气设备经济、安全、稳定的正常运行,研究电气设备的连续在线智能热故障诊断及预警技术具有十分重要的理论价值和工程实际意义。本文以电气开关柜为研究对象,通过详细分析国内外开关柜温度监测系统及相关技术的研究现状,提出了一种对开关柜进行实时监测、智能故障诊断分析,实现热故障的前期进行预警的系统。针对高电压运行环境,设计搭建了无线数据监测平台,实时采集母线、触头、环境的温度作为热故障诊断预警的基础数据,实时采集母线的电流、电压作为热故障诊断预警的辅助数据。同时,基于电磁感应技术设计了CT取电电源,并对铁芯结构进行优化改进,解决过饱和问题,保障了系统的连续运行并实现电隔离。综合考虑环境温度和负荷电流对温升的影响,提出了一种动态预警阈值的热故障诊断预警算法;建立了基于BP神经网络的温度预测模型,并通过正常运行实测数据进行训练和校验,准确预测不同环境温度和负荷电流时的正常工作温度;采用相对温差法,通过热故障缺陷标准修正确定当前的动态预警阈值,有效提高了预警的准确性。最后,对搭建的系统硬件平台进行了实际测试,实验数据结果表明:系统各模块工作正常,基于BP神经网络的温度预测模型能够准确进行热故障诊断预警。本文提出的开关柜热故障智能诊断和预警系统,以及基于BP神经网络温度预测的动态预警阈值算法,不仅适用于开关柜,还可应用于其他各种电气设备中。不但有效解决了传统阈值算法的误报和漏报问题,提高了电气设备温度监测及故障预警的准确度,而且为实现热故障诊断预警的智能化奠定了基础,更为电气设备的安全持续稳定运行提供了保障。