1.一种配电网高阻故障辨识方法，其特征在于，包括：获取配电网线路在当前时刻的原始零序电流波形；对所述原始零序电流波形进行特征提取，得到实际特征序列，其中，所述实际特征序列包括多个特征分别在所述当前时刻的实际特征值；以所述实际特征序列与对应的预测特征序列之间的误差最小为目标，构建目标函数，其中，所述预测特征序列基于多个历史特征序列以及初始时变因果矩阵得到，所述初始时变因果矩阵中的元素用于指示其中一个特征的历史特征值对另一个特征的预测特征值的贡献强度；基于所述目标函数，对所述初始时变因果矩阵进行优化，得到目标时变因果矩阵；基于所述目标时变因果矩阵，确定所述配电网线路的高阻故障辨识结果，包括：从时间维度对所述目标时变因果矩阵中的元素分别进行修正，得到目标因果稳定性矩阵，其中，所述目标因果稳定性矩阵中的元素表示任意两个特征在时间序列上的稳定性度量；确定所述目标因果稳定性矩阵与预设的基准因果稳定性矩阵之间的偏离度；基于所述偏离度，确定所述高阻故障辨识结果，其中，所述高阻故障辨识结果用于指示所述配电网线路在所述当前时刻是否发生高阻故障。
2.根据权利要求1所述的方法，其特征在于，在所述以所述实际特征序列与对应的预测特征序列之间的误差最小为目标，构建目标函数之前，所述方法还包括：通过如下方式得到所述预测特征序列： ；其中， 表示所述预测特征序列； 表示所述初始时变因果矩阵，所述初始时变因果矩阵中的元素 表示特征 的历史特征值对特征 的预测特征值的贡献强度； 表示历史信息矩阵，其中所述历史信息矩阵中包括所述多个历史特征序列，T表示所述多个历史特征序列对应的采样时刻总数量，t表示所述当前时刻； 表示初始时变特征提取矩阵，其中，所述初始时变特征提取矩阵的每一列 用于学习如何将所述多个历史特征序列进行最优线性组合，以提取出对预测第 个特征最有效的时域动态成分，k为所述多个特征中的任一特征。
3.根据权利要求2所述的方法，其特征在于，所述以所述实际特征序列与对应的预测特征序列之间的误差最小为目标，构建目标函数，包括：以所述实际特征序列和所述预测特征序列之间的误差最小为目标，通过如下方式构建所述目标函数： ；其中， 表示所述目标函数的函数值，用于量化所述实际特征序列和所述预测特征序列之间的误差； 表示第一正则化参数； 表示第二正则化参数； 表示所述目标函数中的预测误差项； 表示所述目标函数中的稀疏项，N表示所述实际特征序列包括的所述多个特征的总数量； 表示所述目标函数中的稳定项。
4.根据权利要求1所述的方法，其特征在于，所述基于所述目标函数，对所述初始时变因果矩阵进行优化，得到目标时变因果矩阵，包括：以所述目标函数的函数值最小为目标，采用梯度下降法对初始时变特征提取矩阵进行更新，其中，所述初始时变特征提取矩阵的每一列用于学习如何将所述多个历史特征序列进行最优线性组合，以提取出对预测任一特征最有效的时域动态成分；对所述目标函数中的预测误差项进行泰勒展开，得到处理后的函数；采用次梯度更新规则对所述初始时变因果矩阵中的元素进行更新，得到更新后的时变因果矩阵；重复执行上述操作，直至达到预定终止条件；将达到所述预定终止条件时得到的更新后的时变因果矩阵，作为所述目标时变因果矩阵。
5.根据权利要求4所述的方法，其特征在于，所述采用次梯度更新规则对所述初始时变因果矩阵中的元素进行更新，得到更新后的时变因果矩阵，包括：采用所述次梯度更新规则，通过如下方式对所述初始时变因果矩阵中的元素进行更新，得到所述更新后的时变因果矩阵： ；其中， 表示所述目标函数中的第一正则化参数；L表示所述目标函数中的预测误差项； 表示所述目标函数中的第二正则化参数； 表示所述初始时变因果矩阵中的任一元素； 表示前一时变因果矩阵中与所述任一元素对应的元素，所述前一时变因果矩阵为所述实际特征序列的前一个特征序列对应的时变因果矩阵。
6.根据权利要求1所述的方法，其特征在于，所述从时间维度对所述目标时变因果矩阵中的元素分别进行修正，得到目标因果稳定性矩阵，包括：通过如下方式对所述目标时变因果矩阵中的元素分别进行修正，得到所述目标因果稳定性矩阵： ；其中， 表示所述目标因果稳定性矩阵中的任一元素； 表示所述目标时变因果矩阵中的任一元素； 为所述任一元素与多个历史时变因果矩阵中对应元素的均值，所述多个历史时变因果矩阵与所述多个历史特征序列一一对应； 为所述任一元素与所述多个历史时变因果矩阵中对应元素的标准差； 表示预设正常数。
7.根据权利要求1所述的方法，其特征在于，所述基于所述偏离度，确定所述高阻故障辨识结果，包括：在所述偏离度大于预设偏离阈值的情况下，确定所述高阻故障辨识结果为所述配电网线路在所述当前时刻发生高阻故障；或者在所述偏离度小于或等于所述预设偏离阈值的情况下，确定所述高阻故障辨识结果为所述配电网线路在所述当前时刻未发生高阻故障。
8.一种配电网高阻故障辨识装置，其特征在于，包括：电流波形获取模块，用于获取配电网线路在当前时刻的原始零序电流波形；特征提取模块，用于对所述原始零序电流波形进行特征提取，得到实际特征序列，其中，所述实际特征序列包括多个特征分别在所述当前时刻的实际特征值；目标函数构建模块，用于以所述实际特征序列与对应的预测特征序列之间的误差最小为目标，构建目标函数，其中，所述预测特征序列基于多个历史特征序列以及初始时变因果矩阵得到，所述初始时变因果矩阵中的元素用于指示其中一个特征的历史特征值对另一个特征的预测特征值的贡献强度；优化模块，用于基于所述目标函数，对所述初始时变因果矩阵进行优化，得到目标时变因果矩阵；故障辨识模块，用于基于所述目标时变因果矩阵，确定所述配电网线路的高阻故障辨识结果，包括：从时间维度对所述目标时变因果矩阵中的元素分别进行修正，得到目标因果稳定性矩阵，其中，所述目标因果稳定性矩阵中的元素表示任意两个特征在时间序列上的稳定性度量；确定所述目标因果稳定性矩阵与预设的基准因果稳定性矩阵之间的偏离度；基于所述偏离度，确定所述高阻故障辨识结果，其中，所述高阻故障辨识结果用于指示所述配电网线路在所述当前时刻是否发生高阻故障。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至7中任意一项所述的配电网高阻故障辨识方法。
