En vista de la advertencia temprana de incendios en subestaciones utilizando un solo sensor de información para monitoreo, es fácil cometer errores y omisiones. Tomando el cable en la subestación como objeto de investigación, se propone un modelo de predicción de incendios de fusión de múltiples informaciones basado en la red neuronal de retropropagación (BPNN) y la teoría de conjuntos difusos. En primer lugar, el modelo BPNN se entrena utilizando los datos existentes. En segundo lugar, se utiliza el algoritmo de enjambre de peces artificiales (AFSA) para optimizar el BPNN, lo que acelera la velocidad de convergencia del modelo y mejora la precisión de la predicción. La teoría de conjuntos difusos se aplica para fusionar la probabilidad de incendio predicha y obtener la decisión óptima de prevención y control de incendios. Finalmente, se toman medidas de protección contra incendios de acuerdo con la decisión de incendio. Los experimentos muestran que los errores absolutos promedio de no incendio, incendio latente e incendio abierto disminuyeron en un 26.06%, 38.5% y 43.13% respectivamente. El modelo tiene una mayor precisión de predicción, puede producir de manera razonable diferentes niveles de señales de alarma de incendio, establecer un sistema de advertencia y prevención y control de incendios en subestaciones, y proporcionar referencia para futuras advertencias y prevención y control de incendios y otros desastres en subestaciones.