1.一种变压器寿命预测方法，其特征在于，所述方法包括：获取待预测变压器的动态参数信息，所述动态参数信息是影响变压器寿命的实时运行参数的数据；将所述动态参数信息输入到特征识别模型中识别得到所述待预测变压器的动态参数特征，所述特征识别模型利用变压器的历史运行数据训练得到；将所述动态参数特征与所述待预测变压器的静态参数信息融合后输入寿命预测模型中，得到对所述待预测变压器的寿命预测结果，所述静态参数信息是影响变压器寿命的变压器属性参数的数据，所述寿命预测结果用于指示待预测变压器的剩余寿命的长短情况，所述寿命预测模型利用变压器的历史运行数据训练得到；其中，动态参数信息包括变压器绝缘绕组热点温度、变压器负荷电压、变压器负荷电流和变压器磁通量，静态参数信息包括变压器绝缘纸含水量、变压器油中水溶性酸成分和变压器油酸度值；所述方法还包括：利用变压器在不同寿命状态下的历史运行数据中对应于健康因子1和对应于健康因子0的历史运行数据训练得到支持向量机神经网络，其中，对应于健康因子1的历史运行数据是变压器处于健康状态下的历史运行数据，对应于健康因子0的历史运行数据是变压器处于失效状态下的历史运行数据，每组历史运行数据包括变压器在对应寿命状态下运行时的动态参数信息和静态参数信息；将其余的历史运行数据输入训练得到的支持向量机神经网络，得到各个历史运行数据对应的在0~1范围内的健康因子；将每组历史运行数据中的动态参数信息输入训练得到的所述特征识别模型中，输出对应的动态参数特征；将每组历史运行数据中的静态参数信息与由动态参数信息识别得到的动态参数特征作为输入、将历史运行数据的健康因子作为输出，基于BP神经网络训练得到所述寿命预测模型；所述寿命预测模型的输出结果为健康因子，且健康因子越大，对应的寿命预测结果指示的变压器的剩余寿命越长。
2.根据权利要求1所述的方法，其特征在于，所述获取待预测变压器的动态参数信息，包括：在所述待预测变压器实时运行过程中采集影响变压器寿命的原始运行参数；利用降噪网络对采集到的原始运行参数进行数据清洗，得到所述动态参数信息，所述降噪网络是利用变压器的历史运行数据基于降噪自编码器训练得到。
3.根据权利要求1所述的方法，其特征在于，所述将所述动态参数信息输入到特征识别模型中识别得到所述待预测变压器的动态参数特征，包括：将所述动态参数信息进行离散傅里叶变换处理为对应的二维频谱图像信息；将各个动态参数信息对应的二维频谱图像信息输入所述特征识别模型中；对所述特征识别模型的输出结果进行傅里叶逆变换处理得到所述动态参数特征。
4.一种变压器寿命预测装置，其特征在于，所述变压器寿命预测装置用于执行如权利要求1-3任一所述的变压器寿命预测方法，所述变压器寿命预测装置包括：参数获取模块，用于获取待预测变压器的动态参数信息，所述动态参数信息是影响变压器寿命的实时运行参数；故障特征提取模块，用于将所述动态参数信息输入到特征识别模型中识别得到所述待预测变压器的动态参数特征，所述特征识别模型利用变压器的历史运行数据训练得到；寿命预测模块，用于将所述动态参数特征与所述待预测变压器的静态参数信息融合后输入寿命预测模型中，得到对所述待预测变压器的寿命预测结果，所述静态参数信息是影响变压器寿命的变压器属性参数，所述寿命预测模型利用变压器的历史运行数据训练得到；其中，动态参数信息包括变压器绝缘绕组热点温度、变压器负荷电压、变压器负荷电流和变压器磁通量，静态参数信息包括变压器绝缘纸含水量、变压器油中水溶性酸成分和变压器油酸度值。
5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
7.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
