1.一种抽油机的工作状况的检测方法，其特征在于，包括：从抽油机工况数据库中获取抽油机的第一电参数数据，并对所述第一电参数数据进行数据预处理；使用经过所述数据预处理的第一电参数数据训练抽油机工况模型，使得所述抽油机工况模型学习并保存有所述第一电参数数据和所述抽油机的工况结果之间的对应关系，其中，所述抽油机工况模型为残差网络模型；使用训练后的抽油机工况模型对所述抽油机的工作状况进行检测，其中，所述使用经过所述数据预处理的第一电参数数据训练抽油机工况模型，使得所述抽油机工况模型学习并保存有所述第一电参数数据和所述抽油机的工况结果之间的对应关系，其中，所述抽油机工况模型为残差网络模型之前，所述方法还包括：使用瓶颈设计对所述抽油机工况模型进行模型优化，包括：在所述抽油机工况模型的第一个卷积层，将所述第一电参数数据的维度降低为第二预设维度；使用所述抽油机工况模型的第一个卷积层和最后一个卷积层之间的中间卷积层处理维度降低后的第一电参数数据；在所述抽油机工况模型的最后一个卷积层，将经过所述中间卷积层处理的第一电参数数据的维度恢复为原始维度，其中，所述原始维度为所述第一个卷积层对所述第一电参数数据降低维度前，所述第一电参数数据的维度，其中，确定训练所述抽油机工况模型时的批处理条数，其中，所述批处理条数用于指示每次训练所述抽油机工况模型时，从所述抽油机工况数据库中获取所述抽油机的第一电参数数据的条数；循环执行如下步骤对所述抽油机工况模型进行自监督训练：步骤一，从所述抽油机工况数据库中确定出批处理条数条所述第一电参数数据；步骤二，对所述批处理条数条所述第一电参数数据进行所述数据预处理；步骤三，分别将所述批处理条数条经过所述数据预处理的第一电参数数据依次输入所述抽油机工况模型，得到所述批处理条数条第三电参数数据；步骤四，通过focal loss损失函数计算每条所述第一电参数数据与每条所述第一电参数数据所对应的所述第三电参数数据的误差值；步骤五，根据所述误差值对所述抽油机工况模型进行训练；步骤六，在当前批次训练中，在最后一条输入所述抽油机工况模型的所述第一电参数数据和最后一条输入所述抽油机工况模型的所述第一电参数数据所对应的所述第三电参数数据的误差值小于预设阈值时，结束循环。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一电参数数据进行数据预处理，包括以下至少之一：删除离群点数据、删除丢失点数据、删除重复数据和对数据量少的所述抽油机的故障类别进行重采样；其中，所述离群点数据为在所述第一电参数数据中，超出预设范围的点数据；所述丢失点数据为维度不等于第一预设维度的所述第一电参数数据。
3.根据权利要求1所述的方法，其特征在于，所述使用训练后的抽油机工况模型对所述抽油机的工作状况进行检测，包括：将训练后的抽油机工况模型部署在算法服务器上；通过软件服务器获取所述抽油机的第二电参数数据，并将所述第二电参数数据发送给所述算法服务器；根据所述算法服务器接收到的所述第二电参数数据，使用训练后的抽油机工况模型对所述抽油机的工作状况进行检测。
4.根据权利要求3所述的方法，其特征在于，所述通过软件服务器获取所述抽油机的第二电参数数据，包括：通过自动化采集所述抽油机的第二电参数数据的方式或者向物联网系统获取所述抽油机的第二电参数数据的方式，将所述第二电参数数据存储到抽油机实时数据库中；通过软件服务器向所述抽油机实时数据库获取所述抽油机的第二电参数数据。
5.根据权利要求3所述的方法，其特征在于，所述通过软件服务器获取所述抽油机的第二电参数数据之前，所述方法还包括：设置所述软件服务器的第一输入参数和第一输出参数；设置所述算法服务器的第二输入参数和第二输出参数；其中，所述软件服务器通过所述第一输入参数获取所述第二电参数数据，所述软件服务器和所述算法服务器通过所述第一输出参数和所述第二输入参数建立连接，所述算法服务器通过所述第二输出参数输出所述抽油机工况模型对所述抽油机的工作状况进行检测的检测结果，所述软件服务器和所述算法服务器。
6.一种抽油机的工作状况的检测装置，其特征在于，应用于采油工艺领域，基于权利要求1至5中任一项所述的抽油机的工作状况的检测方法实现，包括：获取模块，用于从抽油机工况数据库中获取抽油机的第一电参数数据，并对所述第一电参数数据进行数据预处理；训练模块，用于使用经过所述数据预处理的第一电参数数据训练抽油机工况模型，使得所述抽油机工况模型学习并保存有所述第一电参数数据和所述抽油机的工况结果之间的对应关系，其中，所述抽油机工况模型为残差网络模型；检测模块，用于使用训练后的抽油机工况模型对所述抽油机的工作状况进行检测，其中，所述使用经过所述数据预处理的第一电参数数据训练抽油机工况模型，使得所述抽油机工况模型学习并保存有所述第一电参数数据和所述抽油机的工况结果之间的对应关系，其中，所述抽油机工况模型为残差网络模型之前，所述方法还包括：使用瓶颈设计对所述抽油机工况模型进行模型优化，包括：在所述抽油机工况模型的第一个卷积层，将所述第一电参数数据的维度降低为第二预设维度；使用所述抽油机工况模型的第一个卷积层和最后一个卷积层之间的中间卷积层处理维度降低后的第一电参数数据；在所述抽油机工况模型的最后一个卷积层，将经过所述中间卷积层处理的第一电参数数据的维度恢复为原始维度，其中，所述原始维度为所述第一个卷积层对所述第一电参数数据降低维度前，所述第一电参数数据的维度，其中，确定训练所述抽油机工况模型时的批处理条数，其中，所述批处理条数用于指示每次训练所述抽油机工况模型时，从所述抽油机工况数据库中获取所述抽油机的第一电参数数据的条数；循环执行如下步骤对所述抽油机工况模型进行自监督训练：步骤一，从所述抽油机工况数据库中确定出批处理条数条所述第一电参数数据；步骤二，对所述批处理条数条所述第一电参数数据进行所述数据预处理；步骤三，分别将所述批处理条数条经过所述数据预处理的第一电参数数据依次输入所述抽油机工况模型，得到所述批处理条数条第三电参数数据；步骤四，通过focal loss损失函数计算每条所述第一电参数数据与每条所述第一电参数数据所对应的所述第三电参数数据的误差值；步骤五，根据所述误差值对所述抽油机工况模型进行训练；步骤六，在当前批次训练中，在最后一条输入所述抽油机工况模型的所述第一电参数数据和最后一条输入所述抽油机工况模型的所述第一电参数数据所对应的所述第三电参数数据的误差值小于预设阈值时，结束循环。
7.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1至5中任一项所述的方法。
8.一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，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法。
