摘要：以数据驱动的智能故障诊断方法近年来取得了突飞猛进的发展,然而受现场复杂工况和小样本条件的制约,训练高精度、高鲁棒的气体绝缘组合电器(GIS)局部放电诊断模型仍然是一个挑战。为此,该文提出一种新颖的孪生网络用于小样本GIS局部放电诊断,其主要由两个相同结构、参数的特征提取器和一个度量学习器组成。在特征提取器设计中,引入多尺度卷积来挖掘局部放电信号中更全面的特征信息。同时引入二阶注意力模块以有效利用不同通道之间的相关信息,提取具有鉴别性和代表性的特征,增强模型的特征提取能力。度量学习器用来对度量特征的相似度进行判断,依此来比较和匹配目标任务下的样本来实现GIS局部放电诊断。实验结果表明,所提出的多级二阶注意力孪生网络在每类支撑集数量为5时便可达到93.76%的诊断精度,相比于其他方法而言优势明显,同时对非平衡样本具有很强的容错性,为现场小样本GIS局部放电高精度、高鲁棒诊断提供了解决思路。