随着我国工业化和城市化的发展,电缆成为配网线路的主力军。作为配网电力电缆的一个重要状态量,温度是表征其运行状况的“晴雨表”。本文针对中低压配网电力电缆接头热点,进行温度检测及计算和异常预警研究。根据配网现场及试验检测得到的数据,分析接头温度特性。基于相关参数,在COMSOL仿真软件中建立电缆本体及接头几何模型。考虑其电磁-热耦合形式,得到相关温度分布云图,并对仿真结果进行关系拟合。以此为基础,进行由接头表面温度计算其线芯温度的研究,建立接头暂态热路模型并进行简化求解。从适用性角度出发,利用BAS算法优化GRNN网络,提出BAS-GRNN的接头线芯温度计算模型,避免热路模型中对热参数的依赖性。对某区域配网内检测数据进行相关性分析,以接头表面温度、负荷电流、环境温度作为线芯温度计算输入量。通过与BP网络及GA-BP网络对比,验证GRNN网络优越性及BAS算法的高效性。对接头表面温度、线芯温度指标的变化趋势进行预测。组合EEMD-LSTM模型,通过EEMD分解原始温度序列,放大历史温度数据的特征信息,并通过LSTM网络实现接头温度单步及多步预测。该模型可及时预判接头故障前后的变化趋势。综合上述方法,从实时监测及预测得到的各项温度指标中,提取数据集并进行特征变换,得到温度异常检测样本,使用孤立森林算法对电缆接头温度异常进行检测,实现温度预警。孤立森林算法可以同时考虑多指标检测,与单一指标检测相比,可靠性更高。由温度检测结果,对接头处实际地理环境温度、湿度、压强及接头负荷电流、接头温度、局部放电、护层电流等多信息进行融合,建立电缆接头状态评估预警模型。应用实际配网电缆线路检测数据,在MATLAB中对以上所提模型进行编程计算并求解。结果表明,本文所使用机器学习算法模型均具有良好的网络性能。所提预警模型以温度检测为切入点,效率更高,同时比单一阈值预警更具全面性。通过案例分析验证,模型可以满足实际工程应用需求,具有一定应用价值。