1.一种GIS设备绝缘缺陷评价方法，其特征在于，包括：采用局放模型识别神经网络对GIS设备的多日的局部放电信息进行提取得到多个局部放电特征向量，对GIS设备的历史故障案例文本进行提取得到历史故障案例文本特征向量；将所述历史故障案例文本特征向量与所述多个局部放电特征向量进行求和得到多个向量序列，将所述多个向量序列输入预设的LSTM模型进行计算得到状态特征向量；利用全连接层将所述状态特征向量的维度降为状态个数后，使用Softmax函数将其转化为概率分布，从所述概率分布中输出概率排名第一的状态为GIS设备的缺陷评价结果，其中，所述概率分布中包括多个状态，每个状态对应各自的概率。
2.如权利要求1所述的GIS设备绝缘缺陷评价方法，其特征在于，还包括：采用K折交叉验证的方式对缺陷评价结果进行验证后，再采用混淆矩阵来对缺陷评价结果进行评估。
3.如权利要求1所述的GIS设备绝缘缺陷评价方法，其特征在于，所述采用局放模型识别神经网络对GIS设备的多日的局部放电信息进行提取得到多个局部放电特征向量，具体为：对局部放电信息进行补零后，将补零后的数据输入卷积层进行卷积操作后输出局放特征矩阵，卷积过程为：其中，σ(·)表示为非线性激活函数， 表示卷积后输出局放特征矩阵中第i行、第j列上的数值，P d (i+m，j+n)表示归一化局部放电PRPS数据，i+m，j+n分别表示补零后的数据中第i+m、第j+n上的数值，Ω(m，n)表示卷积核，m，n分别表示索引变量；对所述局放特征矩阵进行池化操作得到模型特征向量，将所述模型特征向量输入全连接层中进行分类，将特征向量的维度降到局放模式预设个数输出降维后的特征向量，其中，全连接层表达为：f p ＝σ(W p ·f d +b p )其中， 为全连接层的权重与偏置， 为降维后的分类模式特征向量，f d 表示模型特征向量；使用Softmax函数将所述降维后的特征向量转化为预概率分布后，输出多个局部放电特征向量。
4.如权利要求1所述的GIS设备绝缘缺陷评价方法，其特征在于，所述对GIS设备的历史故障案例文本进行提取得到历史故障案例文本特征向量，具体为：采用BERT嵌入模型对历史故障案例文本中的每个字符进行建模，将历史故障案例文本转化为嵌入向量矩阵；使用LSTM神经网络对文本的嵌入向量矩阵中的字嵌入向量进行序列分析后，抽取出文本的历史案例特征。
5.如权利要求4所述的GIS设备绝缘缺陷评价方法，其特征在于，所述使用LSTM神经网络对文本的嵌入向量矩阵中的字嵌入向量进行序列分析后，抽取出文本的历史案例特征，具体为：利用LSTM神经网络中后对所述字嵌入向量进行处理输出历史案例特征，处理过程如下：其中，W f 、W i 与W o 表示权重，b f 、b i 与b o 表示偏置分量，[·,·]表示向量的拼接操作，f tanh (·)为tanh激活函数，W c 、b c 为权重和偏置，符号 为向量的逐项相乘，f t 表示遗忘门，c t-1 表示上一时刻的细胞状态，i t 表示输入门，c t 表示细胞状态，f hc ＝h l 表示历史案例特征，o t 表示输出门，h t 为当前时刻的隐藏状态， 为字嵌入向量。
6.一种GIS设备绝缘缺陷评价系统，其特征在于，包括数据处理模块、状态特征向量计算模块和缺陷评价结果计算模块，其中，所述数据处理模块用于采用局放模型识别神经网络对GIS设备的多日的局部放电信息进行提取得到多个局部放电特征向量，对GIS设备的历史故障案例文本进行提取得到历史故障案例文本特征向量；所述状态特征向量计算模块用于将所述历史故障案例文本特征向量与所述多个局部放电特征向量进行求和得到多个向量序列，将所述多个向量序列输入预设的LSTM模型进行计算得到状态特征向量；所述缺陷评价结果计算模块用于利用全连接层将所述状态特征向量的维度降为状态个数后，使用Softmax函数将其转化为概率分布，从所述概率分布中输出概率排名第一的状态为GIS设备的缺陷评价结果，其中，所述概率分布中包括多个状态，每个状态对应各自的概率。
7.如权利要求6所述的GIS设备绝缘缺陷评价系统，其特征在于，还包括验证模块，其中，所述验证模块用于采用K折交叉验证的方式对缺陷评价结果进行验证后，再采用混淆矩阵来对缺陷评价结果进行评估。
8.如权利要求6所述的GIS设备绝缘缺陷评价系统，其特征在于，所述数据处理模块包括卷积单元、池化单元以及降维单元，所述卷积单元用于对局部放电信息进行补零后，将补零后的数据输入卷积层进行卷积操作后输出局放特征矩阵，卷积过程为：其中，σ(·)表示为非线性激活函数， 表示卷积后输出局放特征矩阵中第i行、第j列上的数值，P d (i+m，j+n)表示补零后的数据，i+m，j+n分别表示补零后的数据中第i+m、第j+n上的数值，Ω(·，·)表示卷积核，m，n分别表示索引变量；所述池化单元用于对所述局放特征矩阵进行池化操作得到模型特征向量，将所述模型特征向量输入全连接层中进行分类，将特征向量的维度降到局放模式预设个数输出降维后的特征向量，其中，全连接层表达为：f p ＝σ(W p ·f d +b p )其中， 为全连接层的权重与偏置， 为降维后的分类模式特征向量，b p 为偏置项，f d 表示模型特征向量；所述降维单元用于使用Softmax函数将所述降维后的特征向量转化为预概率分布后，输出多个局部放电特征向量。
9.一种电子设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的GIS设备绝缘缺陷评价方法。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的GIS设备绝缘缺陷评价方法的步骤。
