1.一种电压暂降扰动源定位和扰动原因识别方法，其特征在于，包括：采集输入信号，所述输入信号包括基于正常工作、单相接地、双相接地、三相接地和双相短路五种电压数据；基于软阈值小波变换对输入信号进行去噪处理，并获得去噪信号；采用CNN和注意力机制串行结合方式对去噪信号进行特征提取；将提取特征输入注意力机制模块进自适应加权；将特征提取结果输入两层全连接层进行分类，并获取分类结果，所述分类结果包括正常工作、单相接地、双相接地、三相接地和双相短路；所述基于软阈值小波变换对输入信号进行去噪处理，并获得去噪信号的步骤，包括以下步骤：选取以4阶Daubechies小波为基函数的基础上将输入信号进行7层分解；其中，x(n)表示输入信号，n＝0,1,2,...,N-1，N表示输入信号长度，C j (k)表示第j层的低频系数，D j (k)表示第j层的高频系数，h(n)和g(n)分别表示低通和高通滤波器系数，k代表在每个层级上的索引， 选取一预设阈值，所述预设阈值为：其中，λ代表阈值，μ 1 和μ 2 代表调控中位数和方差比例的参数，N为输入信号长度，q为小波阈值超参，median(·)代表中位数操作，D j (k)表示第j层的高频系数，k代表在每个层级上的索引，基于软阈值去噪公式进行小波去噪，软阈值去噪公式为：其中， 是更新完的小波系数，λ代表阈值，D j (k)表示第j层的高频系数，k代表在每个层级上的索引，将去噪后的信号进行小波重构，并获得去噪信号；在所述选取一预设阈值的步骤中，对所述预设阈值进行更新，并获得更新后的阈值：其中，λ代表阈值， 为更新后的阈值，N为信号长度；使用两层卷积层进行初步特征提取；所述使用两层卷积层进行初步特征提取的步骤中，获得初步的电压特征信号：F i+1 ＝Conv 3×1 (Conv 3×1 (F i ))其中，F i 为输入特征，F i+1 为输出特征，Conv代表卷积操作，i表示第i层网络的输出；所述采用CNN和注意力机制串行结合方式对去噪信号进行特征提取的步骤包括：将提取的特征输入至自注意力机制，并获取输入特征的局部信息和全局信息；所述将提取的特征输入至自注意力机制，并获取输入特征的局部信息和全局信息的步骤，包括：基于提取的特征定义注意力机制中的查询Q、键K和数值V，并获得局部电压特征信息；K＝Conv 3×1 (F i )V＝Conv 1×1 (F i )其中，K表示键，V表示数值，Conv代表卷积操作，F i 为输入特征，i表示第i层网络的输出；所述将提取特征输入注意力机制模块进自适应加权的步骤，包括：将注意力机制中的查询Q与键K进行拼接，并将该拼接特征输入连续两个1×1卷积来产生注意力矩阵A，A＝Conv 1×1 (Conv 1×1 (Concat(Q,K)))其中，A表示注意力矩阵，Concat代表着连接操作，Conv代表卷积操作，Q表示查询，K表示键，将注意力矩阵A与数值V特征相乘并使用Softmax操作获得全局信息建模；将输出结果和键K矩阵进行加权，将局部信息与全局信息结合；其中， 代表元素相加操作， 代表元素相乘操作，F out 代表注意力机制输出结果，A代表注意力矩阵，V代表数值，K表示键。
2.根据权利要求1所述的电压暂降扰动源定位和扰动原因识别方法，其特征在于，所述将特征提取结果输入两层全连接层进行分类，并获取分类结果，所述分类结果包括正常工作、单相接地、双相接地、三相接地和双相短路的步骤中，将获得的特征结果输入到两层全连接层中最终完成分类，并选择ReLU作为激活函数，输出为：F out ＝ReLU(W i F i +b i )其中，W i 为权重矩阵，b i 是偏置向量，F i 为输入特征，F out 为输出结果。
3.一种电子设备，其特征在于，包括：存储器，用于存储可执行程序代码；以及处理器，连接至所述存储器，通过读取所述可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以执行如权利要求1-2中任一项电压暂降扰动源定位和扰动原因识别方法中的步骤。
4.一种电压暂降扰动源定位和扰动原因识别系统，其特征在于，包括如权利要求3所述的电子设备。
