1.一种融合多类型传感器的环网柜故障诊断方法，其特征在于，包括实验室模型构建模块、传感器数据边缘处理模块、后台服务融合中心处理模块；实验室模型构建模块构建的混合模型用于后台服务融合中心，传感器数据边缘处理模块处理后的数据通过无线传输到后台服务融合中心；步骤如下：S1、混合模型构建：搭建环网柜典型故障模拟实验平台进行故障模拟，在故障模拟过程中，采用UHF传感器、烟感传感器、水浸传感器进行数据采集；基于典型故障采集到的局部放电信息、烟雾传感器值、水浸传感器值进行故障特征提取；基于Stacking进行混合模型训练：基础模型包括BP神经网络、概率神经网络、LSTM网络，训练得到混合模型，次级学习器选用线性回归模型对进行最终的结果诊断；混合模型训练过程如下：a.将采集到的数据分为训练集、测试集，将训练集分成固定的份数；b.使用交叉验证法进行基础模型训练，依次选取训练集作为验证集，进行基础模型训练，再根据测试集进行预测，这样会训练得到与训练集相同份数的新数据predictions和测试集上的一份预测值；c.将每个基础模型得到的数据进行平均值计算，得到新的训练集Train;d.将新的训练集Train和得到的预测值输入线性回归模型进行模型训练，建立线性回归模型;S2、监测数据采集：使用UHF传感器、烟感传感器、水浸传感器采集环网柜数据，得到1s的数据U(i)；S3、数据预处理：在UHF传感器边缘进行数据预处理，首先基于信息散度进行数据的异常初步诊断；对初步判断为异常的数据进行数据长度划分并基于LSTM网络进行特征提取；烟感传感器、水浸传感器分别取数据的最大值，通过无线网络传输到所述后台服务融合中心；S4、通过混合模型诊断故障类型：将UHF提取到的特征、烟雾传感器上传的数据值、水浸传感器上传的数据值作为特征数据，输入已训练好的混合模型，最后输出故障类型诊断值。
2.根据权利要求1所述的一种融合多类型传感器的环网柜故障诊断方法，其特征在于，步骤S1的混合模型构建的过程包括：S11.实验室搭建环网柜典型故障模拟实验，采集典型故障时的局部放电时域信号U std (i)、烟雾传感器值v std1 、水浸传感器值v std2 ；S12.计算典型故障时的局部放电时域信号U std (i)的信息散度因子,依据典型故障计算出α std 范围分布，确定范围参数K；S13.基于定长窗口及LSTM方法进行故障特征提取，分别对各模型参数训练，并依据实验室典型故障数据输入已训练好的模型进行测试，得出每种模型的诊断正确率。
3.根据权利要求1所述的一种融合多类型传感器的环网柜故障诊断方法，其特征在于，步骤S3包括：S31.计算数据U(i)的信息散度因子，进行信号异常诊断；S32.若为异常信号，对信号进行定长窗口划分生成数据集Y s ，基于LSTM网络对数据集Y s 进行特征提取,得到特征集h l ；S33.烟感传感器的数据取烟雾传感器最大值v 1 、水浸传感器的数据取水浸传感器最大值v 2 。
4.根据权利要求1所述的一种融合多类型传感器的环网柜故障诊断方法，其特征在于，步骤S4中，特征集h l 、烟雾传感器最大值v 1 、水浸传感器最大值v 2 相结合组成新的特征区间T={h l ，v 1 ，v 2 }；将收集到的特征区间T使用各单一训练好的模型对特征集进行诊断，然后计算各模型输出结果进行平均加权，得到最后的故障诊断结果，故障类型为开关柜典型故障类型：尖端放电、沿面放电、内部放电、悬浮放电、颗粒放电。
5.根据权利要求4所述的一种融合多类型传感器的环网柜故障诊断方法，其特征在于，步骤S4中，将收集到的特征区间T使用已训练好的基础模型基础上预测，得到三个预测值B 1 、B 2 、B 3 ，使用这三个预测值构建三个特征值（B 1 、B 2 、B 3 ），输入已经训练好的线性回归模型进行预测，得到最终的故障诊断结果。
