1.一种变电站二次设备的三遥测试方法，其特征在于，包括：将三遥测试信号传输至变电站中的二次设备；采集所述二次设备针对所述三遥测试信号输出的响应信号；加载期待响应语义模拟器；其中，所述期待响应语义模拟器包括结构为卷积神经网络的编码器与结构为循环神经网络的解码器；所述响应信号特征提取器的结构为卷积神经网络；将三遥测试信号输入所述编码器中进行编码，得到局部隐含关联特征的序列；计算所述局部隐含关联特征的序列的均值，得到类别特征；依据所述类别特征对所述局部隐含关联特征的序列进行基于特征聚类贡献场分布的调制和聚合，得到全局语义显著聚合特征；将所述全局语义显著聚合特征输入所述解码器中进行解码，得到期待响应特征；将所述响应信号输入响应信号特征提取器中进行处理，得到实际响应特征；计算所述期待响应特征和所述实际响应特征之间的距离；依据所述距离检测所述二次设备的运行状态。
2.根据权利要求1所述的方法，其特征在于，所述依据所述类别特征对所述局部隐含关联特征的序列进行基于特征聚类贡献场分布的调制和聚合，得到全局语义显著聚合特征，包括：计算所述局部隐含关联特征的序列中的各个局部隐含关联特征相对于所述类别特征的隐性聚类贡献因子，得到隐性聚类贡献因子的序列；将所述隐性聚类贡献因子的序列进行向量化排列，得到聚类贡献场分布向量；将所述聚类贡献场分布向量输入基于自注意力机制的聚类贡献场显性建模模块中进行处理，得到聚类贡献场域调制权重；使用所述聚类贡献场域调制权重中的各个特征值对所述局部隐含关联特征的序列按位置加权求和，得到全局语义显著聚合特征。
3.根据权利要求2所述的方法，其特征在于，所述计算所述局部隐含关联特征的序列中的各个局部隐含关联特征相对于所述类别特征的隐性聚类贡献因子，得到隐性聚类贡献因子的序列，包括：对所述局部隐含关联特征与所述类别特征之间按位置的比值取绝对值，得到聚类交互关联特征；计算以2为底的、所述聚类交互关联特征中各个位置的特征值的对数函数值，得到聚类交互值；以所述聚类交互值中的各个位置特征值作为加权系数，对所述局部隐含关联特征中各个位置特征值加权求和，得到聚类贡献度因子；计算以自然常数为底的、所述聚类贡献度因子的指数函数值，得到隐性聚类贡献因子。
4.根据权利要求2所述的方法，其特征在于，所述将所述聚类贡献场分布向量输入基于自注意力机制的聚类贡献场显性建模模块中进行处理，得到聚类贡献场域调制权重，包括：分别计算所述聚类贡献场分布向量与查询权重矩阵、键权重矩阵和值权重矩阵之间的矩阵乘法，得到聚类贡献场分布查询向量、聚类贡献场分布键向量和聚类贡献场分布值向量；将所述聚类贡献场分布查询向量和所述聚类贡献场分布键向量的转置向量之间的乘积按位置除以所述聚类贡献场分布键向量的长度的平方根，得到聚类贡献场语义交互矩阵；对所述聚类贡献场语义交互矩阵进行归一化处理；若完成归一化处理，则计算所述聚类贡献场分布值向量与所述聚类贡献场语义交互矩阵之间的乘积，得到聚类贡献场域调制权重。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述依据所述距离检测所述二次设备的运行状态，包括：若所述距离大于或等于预设的阈值，则确定所述二次设备的运行状态为异常；若所述距离小于预设的阈值，则确定所述二次设备的运行状态为正常。
6.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-5中任一项所述的变电站二次设备的三遥测试方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的变电站二次设备的三遥测试方法。
