本发明涉及一种基于多算法模型的局部放电类型分类方法及系统，所述方法包括：利用YOLO算法获取局部放电事件的时间序列数据，进行预处理；将时间序列数据作为PatchTST模型的输入，得到放电预测结果；将放电预测结果输入分类器进行放电类型分类，得到分类结果；其中，PatchTST模型的训练步骤如下：将经过预处理的时间序列数据分割成大小相等的Patch，使用PatchTST模型提取Patch的特征；使用可训练的线性参数矩阵Wp对每个Patch进行特征映射；使用经过特征映射的Patch特征来训练PatchTST模型；采用自监督学习方法，随机遮盖部分时间序列数据并训练PatchTST模型重建被遮盖的数据。与现有技术相比，本发明实现了局部放电检测系统对放电事件发展趋势和类型分类的深入分析。