为实现特高压并联电抗器（高抗）机械异常的早期预警，首先，基于高抗内部结构和振动机理设计了振动在线监测系统，从振动信号中提取并优选了与高抗内部机械状态高度关联的特征，构建了高抗机械健康指数；其次，充分考虑高抗的多变工况及复杂运行环境，提出一种高抗机械健康状态混合预测模型，采用卷积神经网络挖掘高抗健康状态特征形成特征向量，输入到双向门控循环单元网络进行训练；然后，引入自注意力机制突出健康状态特征的重要信息，并采用分位数回归实现健康状态趋势的不确定性量化预测；最后，将所提方法应用于某1 000 kV高抗机械健康状态预测。结果表明：相比于高斯过程回归及其他方法，所提方法取得了最小的平均预测区间带宽、平均预测区间中心偏差值和最大的平均预测区间分数，能够提早预警高抗可能出现的机械异常。