1.一种光伏并网系统的智能故障识别方法，其特征在于：所述方法采集多通道信号并进行处理，得到样本集合；令 ，定义适应度函数为， ，其中，K为霜冰优化算法的初始目标， 为模糊聚类数， 为惩罚系数， 为信号重构误差， ，N为信号的总数据点数， 为重构信号， 为分解模态频率均匀性指标， ， 为各模态中心频率 间差值 的标准差， 为模态有效性惩罚项； 为加权系数，满足 ；以霜冰优化算法更新种群，获得最优解，得到变分模态分解的最优参数；基于模糊聚类动态设置每簇的自适应分解模态数 ，包括以下步骤：以所述变分模态分解的最优参数对每个通道的信号单独执行一次VMD，使用由霜冰算法优化的初始模态数K，获取一组初始模态分量，包含第c个通道、第k个模态分量的中心频率 ；基于所述初始模态分量，定义频率-能量联合特征向量 ， ，其中， ；采用模糊C均值聚类算法计算隶属度矩阵 ， ，其中， 为第 类聚类中心， 为 的索引， 为模糊因子， ；每簇的自适应分解模态数 满足， ，其中， 为隶属度阈值；通过模态重组，将所有被模糊聚类判属于同一簇的初始模态在其各自通道内求和，合成一代表该簇群特征的虚拟通道信号，在虚拟通道上执行MVMD，以自适应分解模态数 作为约束，输出 和 ；改进的模糊多通道变分模态分解策略将处理后的多通道信号 分解为若干具有不同中心频率的模态分量，使得第 个通道信号 满足， ， 为模糊聚类数， 为每簇分解模态数， 和 分别为 和 的索引， 为第 个模糊簇、第 个信号通道、第 个模态分量的时间域函数；改进的模糊多通道变分模态分解策略的优化目标函数为， ，其中， 为第 个模糊簇、第 个信号通道、第 个模态分量的中心频率，C为信号通道总数，c为C的索引， 为惩罚系数， 为对时间 的偏导数， 为狄拉克δ函数；自模态分量分解后的多通道信号中提取特征后输入基于Transformer-BiLSTM的故障分类网络，得到故障识别结果。
2.根据权利要求1所述的一种光伏并网系统的智能故障识别方法，其特征在于：所述多通道信号为光伏并网系统的光伏阵列、逆变器及电网侧的运行电信号，通过3σ滤波、归一化及降采样处理，得到统一格式的信号矩阵，作为样本集合。
3.根据权利要求1所述的一种光伏并网系统的智能故障识别方法，其特征在于：自模态分量分解后的多通道信号中提取的特征包括IMF能量特征、时域统计特征和频域特征；对所有的所述特征进行降维处理，得到降维后的新特征矩阵。
4.根据权利要求1所述的一种光伏并网系统的智能故障识别方法，其特征在于：所述基于Transformer-BiLSTM的故障分类网络包括顺次设置的位置嵌入层、双向LSTM层、多头自注意力层、Dropout层、全连接层、激活函数及输出层；输出层输出故障类别 。
5.一种基于权利要求1~4之一所述的光伏并网系统的智能故障识别方法的控制系统，其特征在于：所述系统包括：一接收单元，用于接收故障类别 ；一控制单元，用于调用与故障类型对应的预设调控策略；一输出单元，用于输出控制策略对应的储能系统与逆变器的控制参数。
6.根据权利要求5所述的控制系统，其特征在于：系统还包括动态反馈单元，用于采集电能质量反馈指标，动态调整输出单元输出的控制参数；所述电能质量反馈指标包括直流母线电压稳定性、电流总谐波畸变率和三相电流不平衡度。
