1.一种基于残差数据缩放策略的热泵系统自适应故障诊断方法，其特征在于，包括如下步骤：

1)获取用于诊断模型训练的数据集；

2)利用数据集中的无故障数据训练基准模型；

3)利用基准模型获取残差数据，计算公式为：

yres＝y‑ypre

其中yres为残差数据，y为实测值，ypre为基准模型计算值；

4)对残差数据的各个特征取均值，并通过利用式(1)获取偏离比例数据；

δ[x1,x2…xn]/μ[x1,x2…xn] (1)

其中δ代表残差数据，μ代表健康残差数据的均值，xn代表故障敏感热力参数，包括11类：压缩机壳体温度、冷凝温度、蒸发温度、压机排气压力、压机吸气压力、压机排气温度、压机吸气温度、冷凝器进出口制冷剂温差、蒸发器进出口制冷剂温差、冷凝器进出风温差、蒸发器进出风温差；

5)利用数据缩放策略对偏离比例数据进行随机缩放，缩放系数在设定缩放范围内随机生成；

所述步骤5)中，数据缩放策略如下：

5.1)数据缩放系数生成：

缩放范围设定依据如下：根据诊断的目的，给定三种随机缩放范围：a)目标诊断对象的故障严重程度均低于训练样本，则设定缩放范围[0.2,1]；b)目标诊断对象的故障严重程度均高于训练样本，则设定缩放范围[1.1,3]；c)目标诊断对象的故障严重程度覆盖训练样本，则设定缩放范围[0.5,2]；

5.2)局部缩放：

根据残差比例数据特征对偏离比例在0.7‑1.5之间的数据不进行缩放，从而对选定需要缩放维度局部进行缩放；

5.3)样本数据缩放：

利用缩放系数对样本数据进行随机缩放，得到缩放后的数据集；并和原始数据集按比例混合得到混合数据集，混合数据样本量的比例为2:1‑4:1之间；

6)利用混合数据集训练故障诊断模型；

7)部署诊断模型，用于热泵系统故障的实时监测。

2.根据权利要求1所述的一种基于残差数据缩放策略的热泵系统自适应故障诊断方法，其特征在于，所述步骤1)中，数据集来自单台热泵系统或仿真实验系统的运行数据。

3.根据权利要求1所述的一种基于残差数据缩放策略的热泵系统自适应故障诊断方法，其特征在于，所述步骤2)中，数据集按照设定比例分为训练数据集和验证数据集，基准模型训练数据分为输入参数及输出参数，其中输入参数为6类，包括冷凝器进风口温度、蒸发器进风口温度、膨胀阀开度、压缩机控制转速、冷凝器换热风扇功率、蒸发器换热风扇功率；其中输出参数为11类，包括压缩机壳体温度、冷凝温度、蒸发温度、压机排气压力、压机吸气压力、压机排气温度、压机吸气温度、冷凝器进出口制冷剂温差、蒸发器进出口制冷剂温差、冷凝器进出风温差、蒸发器进出风温差；基准模型训练完成后，在验证数据集上对输出参数的拟合误差均值限定如下：9类温度参数拟合误差需小于0.3℃，2类压力参数拟合误差需小于0.02MPa。

4.根据权利要求1所述的一种基于残差数据缩放策略的热泵系统自适应故障诊断方法，其特征在于，所述步骤2)中，采用Transformer框架，利用纯注意力机制来构建基准模型。

5.根据权利要求1所述的一种基于残差数据缩放策略的热泵系统自适应故障诊断方法，其特征在于，所述步骤6)中，故障诊断模型利用卷积神经网络搭建，将多维数据以时间段分割成矩阵数据，利用监督学习法训练模型，并限定故障诊断模型训练性能指标为：混合数据训练模型在同分布数据上的验证正确率较原始数据训练正确率的下降量不超过5％。