1.一种基于D-S证据理论的单相接地故障绝缘劣化识别方法，其特征在于，包括以下步骤：获取单相接地故障零序电流信息；根据获取的单相接地故障零序电流信息和预设的绝缘劣化综合优化识别模型，得到绝缘劣化类型的识别结果；其中，所述预设的绝缘劣化综合优化识别模型根据D-S证据理论对预设的模糊推理优化识别模型、基于极限学习机的优化识别模型和基于支持向量机的优化识别模型融合得到；所述根据D-S证据理论对预设的模糊推理优化识别模型、基于极限学习机的优化识别模型和基于支持向量机的优化识别模型融合的具体过程为：确定以各种绝缘劣化原因的集合为识别框架；采用模糊推理优化识别模型、基于极限学习机的优化识别模型和基于支持向量机的优化识别模型的识别结果作为证据，并确定识别框架内元素的信任值；基于Dempster合成规则融合三种证据，获得对识别框架内某一元素的融合信任值及其不确定度，建立基本信任分配表；设定融合结果应满足的信任值范围及不确定度范围，以此构成识别规则，输出满足识别规则的最终融合结果。
2.如权利要求1中所述的一种基于D-S证据理论的单相接地故障绝缘劣化识别方法，其特征在于，所述获取单相接地故障零序电流信息的具体过程为：通过采样率为4096Hz的故障录波器收集中压配电网单相接地故障波形数据，得到单相接地故障发生后的零序电流波形图。
3.如权利要求2中所述的一种基于D-S证据理论的单相接地故障绝缘劣化识别方法，其特征在于，根据得到的单相接地故障发生后的零序电流波形图，基于小波变换，获取单相接地故障零序电流的特征量；基于多元方差分析衡量特征量与绝缘劣化类型之间的相关关系，判断特征量的有效性。
4.如权利要求3中所述的一种基于D-S证据理论的单相接地故障绝缘劣化识别方法，其特征在于，以有效的特征量为基础，基于统计分析得到模糊推理优化识别模型。
5.如权利要求3中所述的一种基于D-S证据理论的单相接地故障绝缘劣化识别方法，其特征在于，基于获取的特征量，构建基于极限学习机的识别模型，通过粒子群算法优化得到的基于极限学习机的优化识别模型。
6.如权利要求3中所述的一种基于D-S证据理论的单相接地故障绝缘劣化识别方法，其特征在于，基于获取的特征量，构建基于支持向量机的识别模型，通过交叉验证法优化得到基于支持向量机的优化识别模型。
7.一种基于D-S证据理论的单相接地故障绝缘劣化识别系统，其特征在于，包括：获取信息模块，被配置为：获取单相接地故障零序电流信息；识别模块，被配置为：根据获取的单相接地故障零序电流信息和预设的绝缘劣化综合识别模型，得到绝缘劣化类型的识别结果；其中，所述预设的绝缘劣化综合识别模型根据D-S证据理论对预设的模糊推理识别模型、基于极限学习机的识别模型和基于支持向量机的识别模型融合得到；所述根据D-S证据理论对预设的模糊推理优化识别模型、基于极限学习机的优化识别模型和基于支持向量机的优化识别模型融合的具体过程为：确定以各种绝缘劣化原因的集合为识别框架；采用模糊推理优化识别模型、基于极限学习机的优化识别模型和基于支持向量机的优化识别模型的识别结果作为证据，并确定识别框架内元素的信任值；基于Dempster合成规则融合三种证据，获得对识别框架内某一元素的融合信任值及其不确定度，建立基本信任分配表；设定融合结果应满足的信任值范围及不确定度范围，以此构成识别规则，输出满足识别规则的最终融合结果。
8.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的基于D-S证据理论的单相接地故障绝缘劣化识别方法中的步骤。
9.一种电子设备，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程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的基于D-S证据理论的单相接地故障绝缘劣化识别方法中的步骤。
