高压开关柜的安全运行是电力系统长期稳定供电的前提,而柜室内A、B、C三相触点温度是直接映射开关柜运行性能的重要因素。近年来,已发生多起因开关柜温度过高而引发设备安全的事故。若能准确地预测出触点温度未来变化趋势,将能减少开关柜热故障的发生,有利于提高设备的使用寿命。本文首先通过分析高压开关柜触点温度数据特点,选择合适的预测模型。接着简单阐述灰色预测模型和多元线性回归模型。基于该数据背景,分别使用这两种方法进行建模仿真。针对灰色预测模型,将单触点温度数据划分为三种不同的时间段序列,对其进行光滑性分析和平滑性处理,反复试验得每种时间序列最优长度。然后分别采取传统均值法、Newton插值法和积分重构法构建背景值,检验GM(1,1)模型预测效果,实现触点温度预测。针对多元线性回归模型,分别对开关柜触点横向和纵向做回归分析。通过划分不同的时间区间,将5种区间属性作为区间特征构建特征工程,建立横向回归模型。采取同一柜中其余两触点1小时区间均温和该触点的区间特征作为自变量构建特征工程,建立纵向回归模型。然后基于Map-reduce归并模式和作业链模式实现多元线性回归对大数据集的并行化处理。本文通过对110KV高压开关柜触点温度数据进行实际仿真分析。结果表明,在灰色预测中,1小时区间跨度时间序列下积分重构背景值的GM(1,1)的预测效果最佳,适合做提前一小时的瞬态预测。在多元线性回归中,1小时区间跨度的时间序列纵向回归的预测效果最佳,适合做提前一小时的长期预测。综上,GM(1,1)在瞬态预测中占据优势,而多元线性回归在长期预测中占据优势。