在电力系统、自动控制系统和信息传递系统等领域广泛存在着电接触,如换流站阀厅金具的连接处、继电器的触头、高压断路器的触头等。电接触的稳定性与可靠性对相关设备以及系统的安全至关重要。而接触电阻正是反映电接触可靠性的重要参数,是用来衡量导体间接触好坏与否的重要指标。以往对接触电阻的研究通常采用理论以及数值建模方法,而此方法往往需要对研究对象进行一定的简化并作出假设,这些都使理论法与数值法所得模型的精度难以满足工程要求。近年来受到广泛关注的智能预测方法为提高接触电阻模型的精度提供了一种可能的解决途径。本文首次提出了将遗传算法优化BP神经网络(GA-BP)模型与接触电阻相结合的计算接触电阻阻值的方法,此方法不仅提高了接触电阻的计算精度,而且也为接触电阻模型的建立提供了新的可能。并且本文由接触电阻预测模型联系到由接触电阻而引起的特高压换流站阀厅金具局部发热问题,首次尝试将智能预测模型与换流站阀厅金具局部温升相结合,利用特征定义方法定义了温度场特征参数,最后的实验结果表明,遗传算法优化BP神经网络模型能较准确的预测阀厅金具的温升,能够在不影响电场分布的情况下掌握温升数据,对于减少因局部温升而引起的电力系统故障问题具有重要意义,并且也为金具的优化设计提供了重要的依据。