1.一种油浸式变压器热点温度预测方法，其特征在于，包括：根据油浸式变压器的多物理场热状态，建立所述油浸式变压器的动态仿真模型，并在预设运行工况下，对所述动态仿真模型进行动态热仿真，得到所述油浸式变压器的仿真运行数据；物理场包括温度场和流体场，温度场包括铁芯损耗和绕组损耗，流体场包括绕组铁芯内部热传导、油对流、空气侧对流、以及热辐射；建立所述油浸式变压器的热点温度映射模型，将所述仿真运行数据作为训练数据集对所述热点温度映射模型进行训练，所述热点温度映射模型包括门控循环单元和深度神经网络；获取所述油浸式变压器的实时运行数据，将所述实时运行数据输入训练好的所述热点温度映射模型进行温度预测，得到所述油浸式变压器的绕组热点温度，所述实时运行数据包括负载电流、环境温度、顶层油温和油箱两侧壳体顶部平均温度；其中，所述门控循环单元包括输入层和重置更新层，所述深度神经网络包括组合层、第一隐藏层、第二隐藏层和输出层；所述输入层、所述组合层、所述第一隐藏层和所述第二隐藏层的神经元节点数均为6，所述重置更新层的时间步数为6，所述输出层的神经元节点数为1；所述获取所述油浸式变压器的实时运行数据，将所述运行数据输入训练好的所述热点温度映射模型进行温度预测，得到所述油浸式变压器的绕组热点温度的步骤包括：获取所述油浸式变压器的历史绕组热点温度和实时运行数据，将所述历史绕组热点温度输入所述输入层，经过所述重置更新层进行门控循环，得到第一输出矩阵；将所述第一输出矩阵和所述实时运行数据进行拼接，得到第一输入矩阵；将所述第一输入矩阵输入所述组合层，经过所述第一隐藏层和所述第二隐藏层依次进行线性计算，通过所述输出层输出所述油浸式变压器的绕组热点温度；所述将所述第一输出矩阵和所述实时运行数据进行拼接，得到第一输入矩阵的步骤包括：使用concat函数将所述第一输出矩阵和所述实时运行数据进行拼接，得到第一输入矩阵；其中，所述实时运行数据包括第一子运行数据和第二子运行数据，所述第一子运行数据为所述油浸式变压器的当前运行数据，所述第二子运行数据为所述油浸式变压器的上一次运行数据；所述第一子运行数据包括第一负载电流、环境温度、第一顶层油温和油箱两侧壳体顶部平均温度，所述第二子运行数据包括第二负载电流和第二顶层油温。
2.根据权利要求1所述的油浸式变压器热点温度预测方法，其特征在于，所述铁芯损耗由所述油浸式变压器的出厂试验获得；采用如下公式计算所述绕组损耗：P cu ＝P d +P e式中，P d 和P e 分别表示直流损耗和涡流损耗，P d_rated 和P e_rated 分别表示额定电流下的直流损耗和涡流损耗，M表示负载系数，T`表示绕组热点温度；采用如下公式计算所述绕组铁芯内部热传导：式中，Q 1 表示热流量，Δ表示拉普拉斯算子，T`表示表面间温差，R表示热阻；采用如下公式计算所述油对流：式中，t表示时间，ρ表示流体密度，u表示流体流速，p和F分别表示压力和体积力，μ和C分别表示流体动力黏度和比热容，T表示流体温度，k表示导热系数，Q 2 表示热源，K表示黏性力，▽表示哈密顿算子，Δ表示拉普拉斯算子，I表示单位矩阵；采用如下公式计算所述空气侧对流：Q 3 ＝Ah(T s -T a )式中，Q 3 表示空气对流散热量，A表示表面面积，h表示对流换热系数，T s 和T a 分别表示油浸式变压器油箱外表面温度和环境温度；采用如下公式计算所述热辐射：式中，Q 4 表示从箱壁辐射到空气中的热辐射，η表示斯蒂芬-波耳兹曼常数，E表示表面辐射系数。
3.根据权利要求1所述的油浸式变压器热点温度预测方法，其特征在于，所述在预设运行工况下，对所述动态仿真模型进行动态热仿真，得到所述油浸式变压器的仿真运行数据的步骤包括：根据所述油浸式变压器的预设运行工况，设置所述油浸式变压器的仿真负载电流和仿真环境温度；根据所述仿真负载电流和所述仿真环境温度对所述动态仿真模型进行动态热仿真，得到所述油浸式变压器的仿真顶层油温、仿真绕组热点温度和仿真油箱两侧壳体顶部平均温度。
4.根据权利要求1所述的油浸式变压器热点温度预测方法，其特征在于，采用如下公式表示所述第一输入矩阵：X’＝concat(H,F)式中，H表示第一输出矩阵，F表示实时运行数据。
5.一种油浸式变压器热点温度预测系统，其特征在于，所述系统应用于如权利要求1至4任一项所述的方法，包括：动态仿真模型，用于根据油浸式变压器的多物理场热状态，建立所述油浸式变压器的动态仿真模型，并在预设运行工况下，对所述动态仿真模型进行动态热仿真，得到所述油浸式变压器的仿真运行数据；热点温度映射模型，用于建立所述油浸式变压器的热点温度映射模型，将所述仿真运行数据作为训练数据集对所述热点温度映射模型进行训练，所述热点温度映射模型包括门控循环单元和深度神经网络；其中，所述门控循环单元包括输入层和重置更新层，所述深度神经网络包括组合层、第一隐藏层、第二隐藏层和输出层；所述输入层、所述组合层、所述第一隐藏层和所述第二隐藏层的神经元节点数均为6，所述重置更新层的时间步数为6，所述输出层的神经元节点数为1；热点温度预测模块，用于获取所述油浸式变压器的实时运行数据，将所述实时运行数据输入训练好的所述热点温度映射模型进行温度预测，得到所述油浸式变压器的绕组热点温度，所述实时运行数据包括负载电流、环境温度、顶层油温和油箱两侧壳体顶部平均温度；其中，所述获取所述油浸式变压器的实时运行数据，将所述运行数据输入训练好的所述热点温度映射模型进行温度预测，得到所述油浸式变压器的绕组热点温度包括：获取所述油浸式变压器的历史绕组热点温度和实时运行数据，将所述历史绕组热点温度输入所述输入层，经过所述重置更新层进行门控循环，得到第一输出矩阵；将所述第一输出矩阵和所述实时运行数据进行拼接，得到第一输入矩阵；将所述第一输入矩阵输入所述组合层，经过所述第一隐藏层和所述第二隐藏层依次进行线性计算，通过所述输出层输出所述油浸式变压器的绕组热点温度。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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4中任一项所述方法的步骤。
7.一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4中任一项所述的方法的步骤。
