针对电力设备监测红外图像分辨率低的问题，提出一种基于生成对抗网络的感知增强型电力设备红外图像超分辨率模型，在生成器端构建双路径融合注意力架构，在原始分辨率与下采样分支并行提取多尺度依赖，结合双层残差结构（residual in residual dense block

RRDB）密集残差块，实现全局结构与局部细节的协同重建；在判别器端构建门控细粒度通道-空间（gated fine-grained channel-spatial

GFCS）判别器，在U-Net跳跃连接中嵌入细粒度通道-空间注意力（fine-grained channel-spatial attention

FCSA）模块与注意力门控模块，通过并行建模全局-局部通道依赖关系与方向敏感空间上下文，强化对设备发热区域关键特征的判别能力；实验中采用符合人眼感知的NIQE和LPIPS指标，在电力设备伪彩色红外图像上开展的多倍率超分辨率实验。结果表明，所提模型的NIQE和LPIPS指标分别达到5.568和0.054 1，消融实验进一步验证了各个模块的有效性。