本发明公开了一种基于边缘计算的特性试验设备故障预测方法及系统，传统故障预测方法往往缺乏实时性和准确性，难以及时发现设备潜在故障，影响设备安全性和稳定性。本发明首先构建交流无局放试验设备的边缘计算系统，获取历史故障放电数据和电磁信号接收数据。通过数据偏离度分析和参数变化分析，得到试验设备的特征数据。接着，基于机器学习算法和深度学习算法构建故障预测模型，对设备进行故障预测，得到预测结果。最后，根据预测结果进行安全性评估，并形成检修预警信息。本发明能够实现对特性试验设备故障的准确预测和及时预警，提高设备的安全性和稳定性，具有广泛的应用前景和经济价值。