1.一种开关柜梅花触头故障诊断方法，其特征在于，包括：S1：建立物理三维模型和数学模型，物理三维模型具体为梅花触头三维结构模型，数学模型具体为温度-磁场耦合数学模型；S2：根据梅花触头三维结构模型和温度-磁场耦合数学模型构建数字孪生模型，对不同工况进行仿真，获得三维特征数据；S3：对三维特征数据进行转化处理，进行卷积神经网络算法训练，获得训练好的基于卷积神经网络算法的故障模型；三维特征数据转化处理包括：将三维的温度数据转换为二维温度数据；将三维的温度数据转化为二维的热力图，投影到轴线所在平面，将三维点云以轴线所在的平面分割，将点云以平面为基准的高度信息抹去，投影到平面上，得到一个二维平面上的点阵；构建一个自定义分辨率的函数，将点阵以分辨率为两个基准的矩阵分类到每一个矩阵格子中，再取每个格子中所有点的温度均值作为矩阵元素的温度，获得一个像素化的热力图矩阵，具体计算公式如下：输入n个插值节点： x 1 < x 2 <…< x n ，对应函数值 y 1 ， y 2 ，…， y n ，待求插值点为 x 0 ；计算 计算 ， 计算 ， 求解方程组： 带入插值函数求解插值：从第一个有效值点到最后一个有效值点计算样条插值函数，补齐一整行的温度，再做每一列的样条插值补齐，最后获得完整的热力图矩阵图像；卷积神经网络算法训练包括：选择卷积神经网络来进行异常状态检测；设置InceptionNet模块，封装多个大小的卷积核同时学习图像特征，用1*1卷积核、3*3卷积核、5*5卷积核、池化后的1*1卷积核，四种卷积核分支组建构成四条卷积路线并封装在InceptionNet模块中以供CNN调用；卷积神经网络经过卷积、池化操作将图片的信息展开成最后的全连接层并进行预测分类；优化器选用Adam优化器，对梯度的一阶矩估计和二阶矩估计进行综合考虑，计算出更新步长；用交叉熵作为更新超参数的损失函数；将仿真温度三维特征数据经过数据处理变成热力图矩阵再送入卷积神经网络进行学习，再用正常运行数据与故障数据对卷积神经网络进行训练，设定Adam优化器的初始学习率设置为0.0001，训练轮数EPOCH为100轮；最终获得训练好的基于卷积神经网络算法的故障模型；S4：将实际故障数据输入训练好的基于卷积神经网络算法的故障模型，输出故障诊断结果。
2.根据权利要求1所述的一种开关柜梅花触头故障诊断方法，其特征在于，所述梅花触头三维结构模型的建立方法为：应用ANSYS软件进行有限元建模，根据梅花触点的结构参数构建梅花触头三维结构模型。
3.根据权利要求1所述的一种开关柜梅花触头故障诊断方法，其特征在于，所述温度-磁场耦合数学模型的建立方法为：建立温度-磁场耦合数学模型，计算梅花触头产热率；梅花触头的热传导方程为：其中： 是导体密度，单位为g/cm 3 ； 是导体的比热容，单位为J/(kg·K)； T 是温度，单位为℃； t 是模拟时间，单位为s； λ 是导体的热导率，单位为W/(m·K)； Q 是内部热源；对流换热系数 a 为：其中： a 是对流传热系数，单位为W/(m 2 ·K)； λ 是导体的热导率，单位为W/(m·K)； L 是表面特征尺度，单位为m； T 是触摸手指与空气的温差，单位为℃；辐射面传热系数 为：其中： 是辐射面传热系数，单位为W/(m 2 ·K)； 是导体杆面梅花触头的等效发射率； 是玻尔兹曼常数，单位为J/K； T 是温度，单位为℃；导体的产热率如下：其中： Q 是产热率；单位是 ， I 是电流，单位为A； R 是电阻，单位为 ， V 是体积，单位是 。
4.根据权利要求1所述的一种开关柜梅花触头故障诊断方法，其特征在于，所述数字孪生模型的构建方法为：应用ANSYS软件电磁仿真模块、热仿真模块和结构场仿真模块开展电-热结构耦合仿真，根据构建梅花触头三维结构模型和温度-磁场耦合数学模型构建数字孪生模型。
5.根据权利要求1所述的一种开关柜梅花触头故障诊断方法，其特征在于，所述对不同工况进行仿真，获得三维特征数据具体包括：选取触头松动、接触电阻增大常见故障类型对开关站触点的温度进行电热结构耦合有限元仿真；根据多物理场耦合分析的计算结果，得到不同工况下梅花触点在额定电流和短路电流下的温度分布，获得三维特征数据。
6.一种开关柜梅花触头故障诊断系统，其特征在于，包括：物理三维模型及数学模型建立模块，用于建立物理三维模型和数学模型，物理三维模型具体为梅花触头三维结构模型，数学模型具体为温度-磁场耦合数学模型；数字孪生模型建立及三维特征数据获取模块，用于根据梅花触头三维结构模型和温度-磁场耦合数学模型构建数字孪生模型，对不同工况进行仿真，获得三维特征数据；基于卷积神经网络算法的故障模型建立模块，用于对三维特征数据进行转化处理，进行卷积神经网络算法训练，获得训练好的基于卷积神经网络算法的故障模型；三维特征数据转化处理包括：将三维的温度数据转换为二维温度数据；将三维的温度数据转化为二维的热力图，投影到轴线所在平面，将三维点云以轴线所在的平面分割，将点云以平面为基准的高度信息抹去，投影到平面上，得到一个二维平面上的点阵；构建一个自定义分辨率的函数，将点阵以分辨率为两个基准的矩阵分类到每一个矩阵格子中，再取每个格子中所有点的温度均值作为矩阵元素的温度，获得一个像素化的热力图矩阵，具体计算公式如下：输入n个插值节点： x 1 < x 2 <…< x n ，对应函数值 y 1 ， y 2 ，…， y n ，待求插值点为 x 0 ；计算 计算 ， 计算 ， 求解方程组： 带入插值函数求解插值：从第一个有效值点到最后一个有效值点计算样条插值函数，补齐一整行的温度，再做每一列的样条插值补齐，最后获得完整的热力图矩阵图像；卷积神经网络算法训练包括：选择卷积神经网络来进行异常状态检测；设置InceptionNet模块，封装多个大小的卷积核同时学习图像特征，用1*1卷积核、3*3卷积核、5*5卷积核、池化后的1*1卷积核，四种卷积核分支组建构成四条卷积路线并封装在InceptionNet模块中以供CNN调用；卷积神经网络经过卷积、池化操作将图片的信息展开成最后的全连接层并进行预测分类；优化器选用Adam优化器，对梯度的一阶矩估计和二阶矩估计进行综合考虑，计算出更新步长；用交叉熵作为更新超参数的损失函数；将仿真温度三维特征数据经过数据处理变成热力图矩阵再送入卷积神经网络进行学习，再用正常运行数据与故障数据对卷积神经网络进行训练，设定Adam优化器的初始学习率设置为0.0001，训练轮数EPOCH为100轮；故障诊断结果输出模块，用于将实际故障数据输入训练好的基于卷积神经网络算法的故障模型，输出故障诊断结果。
7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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1-5中任一项所述的一种开关柜梅花触头故障诊断方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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1-5中任一项所述的一种开关柜梅花触头故障诊断方法。
