La protección contra descargas eléctricas es fundamental para garantizar la seguridad eléctrica en redes de baja tensión, y los métodos robustos de diagnóstico de fallas proporcionan una base esencial para el funcionamiento preciso de dichos dispositivos de protección. Sin embargo, los dispositivos actuales de protección contra descargas eléctricas de baja tensión a menudo sufren limitaciones en la precisión operativa y en su capacidad para reconocer de manera efectiva los tipos de descargas eléctricas. Para hacer frente a estos desafíos, este documento propone un método de diagnóstico de fallas para descargas eléctricas de baja tensión basado en un modelo CNN-BiLSTM paralelo mejorado con atención. El método primero utiliza CNN para extraer características espaciales locales de la señal de descarga eléctrica y BiLSTM para capturar características temporales. Luego, se introduce un mecanismo de atención para fusionar las características espaciales locales y temporales con énfasis ponderado. Finalmente, una capa totalmente conectada mapea las características fusionadas a la capa de salida, generando resultados de diagnóstico. La visualización a través del análisis T-SNE valida la mejora en el rendimiento del modelo debido al mecanismo de atención. Los experimentos comparativos muestran que el modelo propuesto supera a los modelos individuales y a otros modelos combinados en cuanto a precisión, recuperación, puntuación F1 y velocidad de convergencia. Los resultados demuestran que el modelo propuesto logra una precisión de diagnóstico de fallas del 99.55%.