本发明公开了一种基于时序融合和神经网络的设备缺陷预测方法及系统，本发明包括获取变电站设备的缺陷数据样本，缺陷数据样本包括变电站设备的标识变量、输入数据样本和缺陷输出结果，对输入变量的数据进行归一化量化，然后将归一化量化后的输入变量的数据融合到统一的结构化数据中，建立带有时序特征的二维矩阵；建立结合注意力机制的循环神经网络，并采用带有时序特征的二维矩阵来训练结合注意力机制的循环神经网络。本发明能够解决现有技术中由于没有充分利用影响设备缺陷的多时间序列数据，且需要关注到影响设备缺陷的重要信息并进行后续设备缺陷的预测，能够有效提高变电站设备缺陷发生预测的精度。