1.一种基于大数据分析的变电站油浸式变压器状态评估与修正方法，其特征在于，包括以下步骤：确定电力变压器关键性能状态量集合，根据每一个关键性能状态量的影响因子确定单项状态量集合；将每一纳入评估体系中的参量进行量化，构建变压器状态参量多维判据矩阵；具体为：假设纳入评估体系中的参量为m个，将每一纳入评估体系中的参量分别从n个维度进行量化，得到m×n的多维判据矩阵；基于主成分分析法对变压器状态参量多维判据矩阵进行降维处理，取综合贡献率得分为正的基础评估参量构建变压器状态评估指标体系；基于主成分分析法对变压器状态参量多维判据矩阵进行降维处理，取综合贡献率得分为正的基础评估参量构建变压器状态评估指标体系，具体为：计算变压器状态参量多维判据矩阵所对应的相关系数矩阵R，得到相关系数矩阵R的特征向量、特征值、方差贡献率以及累计方差贡献率；选取大于1或者接近1的特征值作为公共因子，求取公共因子的累计方差贡献率；公共因子的累计方差贡献率为：其中，i为抽取的前i个成分，q为向量的维度，x j 为第j个特征值；以公共因子为基础通过方差极大化的方法将变压器状态参量多维判据矩阵进行旋转操作，得因子得分系数矩阵仅为一维数组；求取变压器状态参量多维判据矩阵中各基础评估参量的综合贡献率，取综合贡献率得分为正的基础评估参量构建变压器状态评估指标体系；变压器状态参量多维判据矩阵中各基础评估参量的综合贡献率具体为：其中，τ j 为j项特征值信息贡献率， β k 为前述所求对应的特征向量，x k 为样本数据进行标准化处理后得到的变压器状态参量多维判据矩阵，k是特征向量的标号；m为纳入评估体系中参量的个数；综合考虑人工巡检参量与设备技术性能参量，构建变压器本性状态关键参量体系；确定变压器本性状态关键参量体系中各参量的权重系数；基于证据理论对变压器本性状态关键参量体系进行融合，得到电力变压器状态评估结果；对电力变压器状态评估结果进行反馈迭代与修正，具体为：在得到初步评估结果后，采用迭代评估算法，从降维后的状态参量判据矩阵中逐步添加参量项，进行第N轮迭代评估，计算模糊评估结果矩阵，并根据劣化程度最大的参量确定其不确定信度函数，如果参量的状态隶属度误差精度能够满足要求，结束；如果准确度尚不能满足要求，则进一步第N+1轮迭代评估。
2.如权利要求1所述的一种基于大数据分析的变电站油浸式变压器状态评估与修正方法，其特征在于，确定变压器本性状态关键参量体系中各参量的权重系数，具体为：参考国网各省公司给出的评估标准即规范性附录与检修导则，运用AHP方法对多个专家权重数据进行处理以确定基本代入计算的权重系数；令原定权重数组为Q 0 (q 1 ,q 2 ,q 3 ,…,q n ),权重修正数组为W n (σ 1 ，σ 2 ，σ 2 ,…σ n )；针对同一电压等级、额定容量，相同台帐信息的数台变压器设备，已有实测状态隶属度矩阵X 1 ,X 2 ,…,X n+1 ，……由上述推算得：进而得到权重修正数组为W n (σ 1 ，σ 2 ，σ 2 ,…σ n )。
3.如权利要求1所述的一种基于大数据分析的变电站油浸式变压器状态评估与修正方法，其特征在于，基于证据理论对变压器本性状态关键参量体系进行融合，得到电力变压器状态评估结果，具体为：通过多组滑动可变的界值进行加权平均处理得到隶属度函数；对隶属度函数进行修正；计算变压器本性状态关键参量体系中单个参量的状态隶属度，得到隶属度矩阵，将隶属度矩阵乘以权重向量，得到变压器本体状态模糊评估结果。
4.如权利要求3所述的一种基于大数据分析的变电站油浸式变压器状态评估与修正方法，其特征在于，对隶属度函数进行修正，具体为：假定拟合后的隶属度函数为φ(f i )，而每个参量的精准隶属度函数为π i (f i )，于是有每个参量的状态隶属度误差为σ(f i )＝π i (f i )-φ(f i )；令 其中，φ 1 (f i )、φ 2 (f i )、φ 3 (f i )分别为三个隶属度函数模型，它的值就是误差，取三个中误差最小的一个，求π i (f i )；计算加权误差值Σλσ(f i )，即Σ[λπ i (f i )-λφ(f i )]，当加权误差值满足实例所给出的精度要求时，则说明拟合的隶属度函数有效。
5.一种基于大数据分析的变电站油浸式变压器状态评估与修正系统，其特征在于，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-4任一项的方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行权利要求1-4任一项的方法。
