变电站是电力系统的核心枢纽，变电站异常检测对保障电力输配系统的稳定运行至关重要。然而，现有变电站异常检测方法在骨干网络特征提取中对频域信息的挖掘尚显不足，而频域信息对于增强提取特征的判别能力具有重要作用。此外，这些目标检测模型的特征从骨干到检测头的传递过程中存在信息稀释，导致局部细节与全局语义信息未能有效传递至检测头，从而降低了检测精度。为了解决这些问题，该文提出了一种跨分量残差增强与共享差分补偿的变电站异常检测算法。具体来说，设计了一种小波跨通道残差增强模块，通过跨分量特征通道重构高低频的信息交互，并结合高低频残差信息学习实现特征判别能力的增强，从而提升细微异常差异的识别效果。同时，提出了一种共享差分特征补偿模块，在公共特征空间计算骨干与检测头的差分权重特征，通过差分特征有效补偿检测头特征中缺失的关键信息，从而提升模型的性能。实验结果表明，在变电站异常图像数据集上，所提算法在多项指标上优于11种检测方法。源代码已发布于https://github.com/oooooh123/CRSDA。