环氧树脂绝缘件是组合电器内起机械支撑与电气绝缘作用的核心部件，但其运行过程中存在诸多问题：局放缺 陷智能识别和发展趋势准确预测难度大，故障预警能力弱；成型过程易导致残余应力过大、机械强度不足；运行工况下， 气固界面电场畸变严重，现有技术无法兼顾沿面绝缘性能与机械强度。本项目针对上述问题展开研究，创新点包括： （1）提出缺陷智能诊断和发展趋势准确预测的绝缘件故障预警技术。提出基于深度学习算法的高准确率缺陷智能诊断方法， 建立基于 ARMA（自回归滑动平均模型）的抗干扰缺陷发展趋势预测模型，缺陷诊断准确率提升 94% 以上，实现了绝缘件 故障高效预警。