局部放电是设备处于高电场强下，由于电场分布不均而导致的绝缘介质放电现象，设备产生局部放电对于绝缘层的危害很大，迅速检测识别设备的放电类型是工业正常运作的保障。针对电气设备局部放电类型识别问题，考虑到电气设备监测系统在诊断识别方面的时效性及精度，提出了基于边缘计算的局部放电模式识别方法，利用边缘计算架构的优势，基于云层训练、边缘推理思路，将复杂的识别算法训练优化过程部署在云层，将计算量大的识别算法卸载到边缘层，而计算量小的特征提取保留在终端设备层处理。通过构造局部放电相位分布谱图提取局部放电的统计特征参数，采用粒子群优化算法对广义回归神经网络模型进行优化，最后将统计特征参数作为神经网络的输入量，对放电类型进行识别。结果表明，所提模式识别方法识别准确率高，识别效率高。