变电站是电网中不可或缺的部分。伴随着我国经济的发展,生活生产用电量的激增,电气设备的安全性更加受到社会的关注,所以确保电力设备的长期稳定运行,科学优化电力设备布局,加强电力设备温度管控和做好应急预警预案,成为日常电网维护管理的工作重点,而变电站电气设备温度预测及故障预警研究也就成为了一项值得展开学术研究的命题。本文首先研究了变电站测温系统构成、电气设备温升影响因素、发热故障类型和温度数据样本特性。然后从基础数据研究出发,分析现阶段实用的温度预测和故障诊断原理与方法,多元化的结合时间序列和神经网络这两种方式,设计设备温度的预测系统,并就常见的三种神经网络模型,即BP(Back Propagation)神经网络模型、径向基神经网络模型及回归神经网络模型进行系统性能分析,通过仿真筛选出性能最优的预测方式。在此基础上就掌握的预测温度值,通过表面温度测量法、同类对比法及对比温差法对故障进行诊断,快速发出警报。最终根据变电站的实际使用需求,为昭通供电局110k V南宅变电站电网公司研发并设计出一套变电站常规设备核心温度预警系统。本文利用MATLAB仿真实验证实,神经网络模型的预测能力相对于线性统计模型来说要好很多。并且在样本数据量较多时,BP神经网络模型是最好的预测模型。在实际温度预测和预警系统方面,使用BP神经网络预测模型,能够更好的对变电站的电气设备进行温度管理,更加科学高效地为变电站的日常工作提供安全保障。