1.一种基于生成对抗网络的电网故障定位方法，其特征在于：包括如下步骤：S1、获电网线路上的电缆故障数据集，并构建表征电网线路上的电缆故障拓扑结构N＝[J1，J2，···，Jn]，其中，n为电缆故障点的节点编号，对电缆故障数据集进行预处理，将电缆故障数据集分为测试集Tx以及训练集Td；S2、构建生成对抗网络结构，生成对抗网络结构包括有生成网络G、鉴别网络D以及特征提取网络H；S3、通过特征提取网络H对训练集Td的分割特征进行提取；获取红色绝缘胶带的像素个数、黑色保护层的尺寸以及裸露线缆的像素个数；S4将分割特征分别输入到鉴别网络D中进行特征对比；基于对抗学习的方式，对生成网络G和鉴别网络D进行迭代训练；使得生成网络G和鉴别网络D达到那什均衡；S5、将测试集Tx输入到训练好的生成对抗网络中进行故障定位检测。
2.根据权利要求1所述的一种基于生成对抗网络的电网故障定位方法，其特征在于：S1中，对电缆故障数据集进行预处理包括如下步骤：采集电网线路上个各检测点的电缆图片数据，使用YOLOV5目标检测算法对获取到的图片进行目标识别，识别出图片中的电缆；使用labelme工具对图片中的电缆进行标注；根据电缆检测框位置，将电缆从图片中截取出来生成图片数据集。
3.根据权利要求2所述的一种基于生成对抗网络的电网故障定位方法，其特征在于：所述特征提取网络H中，使用UNet分割网络模型将图片数据集中对应的电缆特征分割出来；采用的Mobilenet-V2网络作为UNet分割网络模的主干网络；根据形态学运算方法获取红色绝缘胶带的像素个数、黑色保护层的尺寸以及裸露线缆的像素个数。
4.根据权利要求3所述的一种基于生成对抗网络的电网故障定位方法，其特征在于：UNet分割网络模型包含编码器和解码器，其中：编码器是负责特征提取，将图像进行四次下采样后缩小原图对原图中的特征充分提取与压缩；解码器负责图像的上采样，将提取出的特征进行四次上采样，每上采样一次就和编码器部分对应的通道数相同尺度融合，最终将特征还原成原图尺寸大小，最后所得即是分割后的图片；对截取的电缆图片进行图像预处理，将图像改为统一尺寸，预处理后的图片作为UNet分割网络模型中输入，经过下采样和上采样，最终得到固定尺寸的分割图。
5.根据权利要求1所述的一种基于生成对抗网络的电网故障定位方法，其特征在于：S4中，训练集Td经过特征提取网络H预处理后提取图像特征数据，图像特征数据作为鉴别网络D的输入，鉴别网络D输出关于故障图像的第一真假可能性Pf/r和网络中间层特征参数fmf/r＝[fm0,fm1,fm2]，以保证网络训练可靠性；生成对抗网络训练过程中，生成网络G根据原始训练集Td生成根据标注信息对应的故障点Nfm，输入故障点Nfm到鉴别网络D，输出关于故障点Nfm的故障可能性Pf；输入判别故障节点Jn到鉴别网络D中，输出关于判别故障节点Jn的真实可能性Pr和真实特征参数fmr＝[fm0,fm1,fm2]；并及时更新鉴别网络D的鉴别网络参数；鉴别网络D更新完成后，再一次输入故障点Nfm到鉴别网络D，输出关于故障点Nfm的故障可能性Pf和故障特征参数fmf＝[fm0,fm1,fm2]；获取得到真实的故障特征参数，立即更新生成网络G的生成网络参数。
6.根据权利要求5所述的一种基于生成对抗网络的电网故障定位方法，其特征在于：更新鉴别网络D的鉴别网络参数公式如下：lD＝-(log(1-Pf)+log(Pr))。
7.根据权利要求5所述的一种基于生成对抗网络的电网故障定位方法，其特征在于：更新生成网络G的生成网络参数公式如下：lG＝-log(Pf)+Average((fmf-fmr)2)，其中，Average为计算均值。
8.根据权利要求1或2或3所述的一种基于生成对抗网络的电网故障定位方法，其特征在于：黑色保护层的尺寸计算包括如下步骤：计算黑色保护层的外接最小矩形框，得到黑色保护层矩形框的长边和短边，计算裸露电缆区域的最初外接矩形A，并记录矩形的面积S；通过旋转公式计算以角度θ旋转电缆裸露区域的点簇；计算旋转之后点簇的外接矩阵框，计算该矩阵框的面积并与面积S比较大小，将小面积赋值给S min ；以角度β为步长直至将点簇旋转到90度，循环计算矩形框面积并更新S min ；获取最小外接矩形面积S min 所对应的旋转角度α；将最初外接矩形A反旋转α角度，即获得最小外接矩形。
