本发明公开了一种基于多源异构数据的高压开关柜缺陷预测方法，包括同步获取围绕开关的温度信号、局放信号和开关动作机械信号，三种信号分别带有时序时间戳，对三种信号采用Z‑score标准化处理形成具有各自属性的三种标准化数据，将三种标准化数据输入具有二阶注意力的神经网络模型得到高压开关柜缺陷预测；其中：所述模型顺序分为神经网络处理阶段、二阶注意力处理阶段和多任务分类处理阶段；本方法通过获取的多源异构数据，对不同数据源的信息，通过属性、时间双维度的特征融合模型，提高特征的全局鲁棒性，最终实现高可靠性、实时的高压开关柜的缺陷类别预测。