1.一种电气设备多参量变送器模拟安装评价方法，其特征在于，包括：基于标准变送器和被测变送器所采集的数据，构建用于提取安装方式特征表示的第一神经网络模型，以及用于提取测量过程特征表示的第二神经网络模型；将第一神经网络模型和第二神经网络模型的输出结果以及用于评估的目标值数据整理为新的数据集，用于构建第三神经网络模型，所述第三神经网络模型包括输入层、差异层级、融合层级和输出层；通过所述输入层接收来自新的数据集的原始数据；通过所述差异层级处理原始数据并提取特征，且生成新的特征表示；通过所述融合层级将来自所述差异层级的特征表示，以及标准变送器和被测变送器的原始数据和环境湿度数据合并，生成综合特征表示；通过所述输出层生成最终安装方式和测量过程的综合评估结果；通过所述差异层级处理原始数据并提取特征，且生成新的特征表示,包括：对所述原始数据进行预处理及归一化，获得预处理数据；组合使用循环层和池化层构建所述差异层级，且在所述循环层及池化层后均引用激活函数，以引入非线性特征；通过所述差异层级对所述预处理数据进行处理，获得一组新的特征表示；将所述预处理数据存储为表格形式；组合使用循环层和池化层构建所述差异层级，且在所述循环层及池化层后均引用激活函数，包括：查看所述预处理数据的形状，确定所述预处理数据的维度；根据所述维度确定循环层和池化层的初始节点数量，且根据所述初始节点数量为所述循环层和池化层分配节点数量，其中，所述循环层的节点数量大于所述池化层的节点数量；对所述第三神经网络模型进行训练和评估，根据所述第三神经网络模型在验证集上的性能，对所述初始节点数量进行调节。
2.根据权利要求1所述的电气设备多参量变送器模拟安装评价方法，其特征在于，通过所述差异层级对所述预处理数据进行处理，获得一组特征表示，包括：通过所述循环层捕获所述预处理数据中的时间序列信息；通过所述池化层降低所述预处理数据的维度，同时保留重要特征；在每个所述循环层和池化层之后，应用激活函数以引入非线性特征；将所述重要特征和非线性特征汇总，以获得一组综合的特征表示。
3.根据权利要求2所述的电气设备多参量变送器模拟安装评价方法，其特征在于，通过所述循环层捕获所述预处理数据中的时间序列信息，包括：将长短时记忆网络添加到所述第三神经网络模型的循环层中；定义长短时记忆网络的参数和超参数；确定所述预处理数据每个序列的时间步数；将所述预处理数据组织成三维张量，其中维度包括批量大小、时间步数和特征数，所述批量大小为同时输入到长短时记忆网络中的数据样本数量，所述特征数为每个时间步内的特征数量；将所述三维张量作为所述长短时记忆网络的输入，通过所述长短时记忆网络捕获数据中的时间序列信息。
4.根据权利要求1所述的电气设备多参量变送器模拟安装评价方法，其特征在于，通过所述融合层级将来自所述差异层级的特征表示，以及标准变送器和被测变送器的原始数据和环境湿度数据合并，生成综合特征表示，包括：将来自所述差异层级的特征表示存储在特征矩阵中，每一列代表一个特征，每一行代表与特征对应的数据样本；收集来自标准变送器和被测变送器的原始数据和环境湿度数据，且进行特征工程而转换成所需特征，保证所述特征矩阵中的特征和所述所需特征的数据样本维度相同；针对所述标准变送器和所述被测变送器的原始数据的特征工程包括数据清洗和特征提取；针对所述环境湿度数据的特征工程包括时间序列处理和特征提取；将所述特征矩阵中的特征与所述所需特征合并到一个大的特征矩阵中，而生成综合特征表示。
5.根据权利要求4所述的电气设备多参量变送器模拟安装评价方法，其特征在于，将所述特征矩阵中的特征与所述所需特征合并到一个大的特征矩阵中，而生成综合特征表示，包括：计算所述所需特征与特征矩阵中特征的融合值；将计算得到的所述融合值添加为新的特征列以扩展特征集合；将特征矩阵中的特征、所需特征与新生成的特征列按照特定规则进行融合，以生成最终的综合特征表示。
6.根据权利要求1所述的电气设备多参量变送器模拟安装评价方法，其特征在于，构建所述第一神经网络模型，包括：准备包括标准变送器和被测变送器所采集的数据，且对所述数据进行预处理；设计第一神经网络的架构，且通过预处理完成的数据对设计完成的所述第一神经网络模型进行训练；训练完成后，通过所述第一神经网络模型中提取安装方式特征表示。
7.根据权利要求1所述的电气设备多参量变送器模拟安装评价方法，其特征在于，构建所述第二神经网络模型，包括：准备包括标准变送器和被测变送器所采集的数据，且对所述数据进行预处理；设计第二神经网络的架构，且通过预处理完成的数据对设计完成的所述第二神经网络模型进行训练；训练完成后，通过所述第二神经网络模型中提取测量过程特征表示。
8.一种电气设备多参量变送器模拟安装评价系统，采用如权利要求1所述的电气设备多参量变送器模拟安装评价方法，其特征在于，包括：数据采集模块，用于收集标准变送器和被测变送器所采集的数据；第一神经网络模型，基于所述标准变送器和被测变送器所采集的数据提取安装方式特征表示；第二神经网络模型，基于所述标准变送器和被测变送器所采集的数据提取测量过程特征表示；数据整理模块，将所述第一神经网络模型和第二神经网络模型的输出结果以及用于评估的目标值数据整理为新的数据集；第三神经网络模型，包括输入层、差异层级、融合层级和输出层；所述输入层接收来自新的数据集的原始数据；所述差异层级处理原始数据并提取特征，且生成新的特征表示；所述融合层级将来自所述差异层级的特征表示，以及标准变送器和被测变送器的原始数据和环境湿度数据合并，生成综合特征表示；所述输出层生成最终安装方式和测量过程的综合评估结果。
