电气火灾与人们的生活与生命安全息息相关。因此,电气安全保护是一个重要的研究课题。本文基于该背景,通过多种数据挖掘算法,对引起火灾的电气参量进行分析,实现剩余电流的预测以及电气设备运行故障的诊断,可以有效防范电气火灾的出现。首先,介绍课题的由来与研究目的,并说明实验数据来源。课题的实验基于浙江省某公司电气火灾监控系统,本文详细介绍该系统工作原理及实验数据获取;该系统应用于多台设备,每台设备约4万组11个参量数据,其中电气参量包括三相电压（U_a、U_b、U_c）、三相电流（I_a、I_b、I_c）、温度（₁T、₂T、₃T、₄T）、剩余电流(I_nn)。通过对电气理论知识、电气火灾发生原因、假剩余电流产生原因等进行分析,找到实验规律及分析方法。然后,对数据进行处理和建立数学模型。1)对单台设备数据进行探索分析,包括数据可视化分析,相关性分析等处理;2)使用灰色神经网络组合模型实现剩余电流值的预测;从结果上看,剩余电流预测值较准确;但是对剩余电流互感器工作原理和剩余电流产生原因进行分析知,该预测结果并不能直接作为电气火灾发生的判断依据,需要对剩余电流数据进一步分析;3)研究发现,系统中包含的假剩余电流会影响引起电气火灾的剩余电流参量的预测结果。因此,采用最小二乘法和时间序列综合研究得出真实剩余电流的求解办法;4)对真实剩余电流和电流数据进行聚类并合理分析,得到设备运行故障判断依据。最终,使用剩余电流等参量分别对两种模型进行训练。1)使用由灰色预测优化后的神经网络算法实现剩余电流值的预测;2)对得到的真实剩余电流数据利用SOM算法实现聚类;3)通过观察实验结果,结合实际情况判断每个类别中设备运行状态,从而可以根据未来的实验数据进行合理的故障诊断和预测。验证实验中,对另外两台设备进行分析并对比实验结果,再通过对电气设备故障预测的结果进行现场排查,说明了该模型的正确性和有效性。该方法可实现电气火灾的有效预防。