热状态参量预测是特高压变压器绝缘老化评估及故障预警的重要技术方法.然而,现有预测方法侧重高维时间序列分析以构建数据驱动模型,未计及设备内部温度潜在的空间变化规律,为此,提出一种基于时空特征挖掘的特高压变压器热状态参量预测方法.首先,综合考虑多源数据间的相关度与冗余度,提出组合特征筛选策略寻找最优特征子集;其次,结合热状态参量的最优特征子集及相关系数,构建面向热状态参量预测的时空图数据;最后,建立双重自适应图卷积门控循环单元(dual　adaptive　graph　convolution　gate　recurrent　unit,DA-GCGRU)模型,采用节点自适应模块强化油箱内不同部位温度变化趋势的拟合,以适应特定温升趋势;采用图自适应模块自主学习热状态参量的空间温度分布关联性,以推断空间映射关系.实验结果表明,该方法可深度挖掘特高压变压器内部温度的时空变化特性,准确预测绕组温度和顶层油温的变化趋势,具有较好的鲁棒性和泛化性.