随着电力物联网建设的快速推进,对实时监测气体绝缘金属封闭开关设备(GIS)内部局部放电信号的特高频法提出了新的和更高的要求。在充分利用表征GIS局部放电信息构建模型以提升模式识别准确率的同时,将模型移植到嵌入式系统,进而构成以边缘计算为支撑的物联网智能终端,成为亟待解决的一个关键问题。为此,文中深入研究了基于卷积神经网络和迁移学习的GIS局部放电模式识别分类方法,在多种典型缺陷下对比了不同模型在训练时间、准确率、参数量和存储花销等方面的性能。结果表明,Mobilenet模型具有最小的参数量和存储花销以及较短的训练时间,在电力物联网下基于智能终端的GIS局部放电模式识别中具有明显优势。