1.基于缺陷趋势变化的动态评价方法，其特征在于，包括以下步骤：步骤S101，采集换流站系统中的传感器数据、设备状态数据、环境数据和历史维护数据，并通过第一特征数据表示；所述传感器数据包括：设备温度、设备电流、设备压力和设备振动，所述设备状态数据包括：设备运行状态和设备负载数据，所述环境数据包括：环境温度和环境湿度，所述历史维护数据包括：维护时间间隔和维护次数；步骤S102，对第一特征数据进行预处理，得到第二特征数据；步骤S103，根据第二特征数据构建贝叶斯网络拓扑图，贝叶斯网络拓扑图包括：节点、有向边、节点的条件概率表；步骤S104，根据贝叶斯网络拓扑图构建基于PC算法的贝叶斯网络模型，贝叶斯网络模型的输入为第二特征数据，输出为设备发生各种缺陷的概率值；其中设备发生各种缺陷的缺陷类型包括：过温缺陷、电流异常缺陷、振动异常缺陷和压力异常缺陷；根据贝叶斯网络拓扑图构建基于PC算法的贝叶斯网络模型的步骤包括：步骤S301，为贝叶斯网络拓扑图中的每个节点定义初始的条件概率表，并结合贝叶斯网络拓扑图得到基础的贝叶斯网络，其中条件概率表表示节点在不同条件下的概率；步骤S302，使用PC算法对贝叶斯网络中的边进行动态调整，动态调整包括：增加边、移除边和调整边的方向；步骤S303，对经过步骤S302处理后的贝叶斯网络重新计算各节点的条件概率表，结合动态调整后的贝叶斯网络得到更新后的贝叶斯网络；步骤S304，根据所述更新后的贝叶斯网络进行概率计算，得到设备发生各种缺陷的概率值；步骤S105，根据贝叶斯网络模型输出的设备发生各种缺陷的概率值结合预设的缺陷等级划分标准，生成处理措施。
2.根据权利要求1所述的基于缺陷趋势变化的动态评价方法，其特征在于，所述设备运行状态包括：正常、待机、超载，设备运行状态通过整数编码表示，设备负载数据通过实数编码表示。
3.根据权利要求1所述的基于缺陷趋势变化的动态评价方法，其特征在于，对第一特征数据进行预处理的步骤包括：步骤S201，使用3 准则检测传感器数据和环境数据中的异常值，并将异常值替换为中位数；步骤S202，使用滑动时间窗口法对经过异常值替换处理的传感器数据和环境数据进行平滑处理；步骤S203，将设备振动的时域波形通过快速傅里叶变换转换为频域波形表示，频域波形中，横轴表示频率，纵轴表示幅度，从频域波形中提取幅度最高的频率分量作为主频率，根据主频率得到主频率能量，创建主频率能量特征，并将其拼接在传感器数据之后，主频率能量的公式为： ，其中 表示主频率f对应的幅度；步骤S204，对经过上述步骤处理的第一特征数据使用z分数归一化方法进行归一化处理，得到第二特征数据。
4.根据权利要求1所述的基于缺陷趋势变化的动态评价方法，其特征在于，所述贝叶斯网络拓扑图中，节点的类型包括：传感器节点、设备状态节点、缺陷节点、外部因素节点，其中传感器节点用于实时监测设备的运行参数，包括温度节点、电流节点、压力节点和振动节点，设备状态节点反映设备当前的运行状态和历史信息，包括设备运行状态节点、设备负载节点和历史维护记录节点，缺陷节点用于表示设备存在的缺陷或故障状态，包括过温缺陷节点、电流异常缺陷节点、压力异常缺陷节点和振动异常缺陷节点，外部因素节点反映外部环境对设备运行的影响，包括环境温度节点和环境湿度节点；所述贝叶斯网络拓扑图的有向边基于真实的物理和因果关系设定，每一条有向边都表示两个节点之间的因果关联，边的方向从因果变量指向结果变量，以反映其因果关系，有向边连接的两个节点根据方向分别通过父节点和子节点表示；此外，有向边的权重根据节点之间的影响程度确定，权重值表示前一个节点对后一个节点的影响强度。
5.根据权利要求4所述的基于缺陷趋势变化的动态评价方法，其特征在于，对于所述步骤S301中节点的条件概率表分为无父节点的节点的条件概率表和有父节点的条件概率表，其中无父节点的节点仅有自身的概率分布，不依赖其他的节点；有父节点的节点根据父节点的不同状态分别设定概率值并组合成条件概率表。
6.根据权利要求4所述的基于缺陷趋势变化的动态评价方法，其特征在于，所述步骤S302中PC算法的核心是根据条件独立性检验来动态调整边结构，所述动态调整的步骤包括：步骤S3021，对于未直接连接的一对节点进行各条件下的独立性检验，当这对节点条件相关时，则在它们之间增加边；步骤S3022，对直接连接的一对节点进行各条件下的独立性检验，当这对节点条件独立时，则在它们之间移除边；步骤S3023，根据PC算法结合预设规则确定边的方向，预设规则包括：v结构规则和方向传播规则，其中v结构规则指：条件独立的节点A和节点B在给定节点C后变条件相关，则三个节点形成v结构，结构表示为： ，方向传播规则指：从已知方向出发，传递给相邻节点，避免形成环路。
7.根据权利要求4所述的基于缺陷趋势变化的动态评价方法，其特征在于，所述步骤S304的具体步骤包括：步骤S3041，定义目标节点和证据节点，并根据当前采集的数据对证据节点赋值，其中目标节点指所述缺陷节点，证据节点指当前观测数据的节点，即除目标节点外的节点；步骤S3042，根据条件概率表逐步计算出目标节点与证据节点联合出现的概率，计算公式为： ，其中 表示目标节点与证据节点联合的概率， 表示缺陷存在时观测到证据的条件概率， 表示缺陷的预设的概率， 表示证据节点的概率；步骤S3043，将观测的证据通过贝叶斯网络中的条件概率表逐层向缺陷节点进行条件概率传播，得到设备发生各种缺陷的概率值。
