1.一种配电网故障区段定位方法，其特征在于，包括：采集配电网发生故障后的各区段两端的零序电流；

对所述零序电流进行预处理后，再进行短时傅里叶变换，获取时频图；

利用引入迁移学习的ConvNeXt，对所述时频图进行特征提取与分类，获取配电网故障区段定位结果；

对所述零序电流进行预处理包括：

基于所述零序电流，计算各区段的零序电流幅值差；

将各区段的所述零序电流幅值差，按照区段顺序进行排列拼接成组合信号；

所述引入迁移学习的ConvNeXt包括：Stem、Res2‑Res5、全局平均池化层、全连接层和Softmax分类器；

所述Stem、Res2‑Res5、全局平均池化层、全连接层与Softmax分类器依次连接；

所述Stem由一个预设数值卷积核的卷积层构成，Res2‑Res5由ConvNeXt Block堆叠构成，其中，每个Res后都接入一个下采样层；

在所述引入迁移学习的ConvNeXt中，Softmax分类器输出结构为1×1×配电网区段的数量，所述Stem、Res2‑Res5载入预训练模型的权重参数，其中，所述预训练模型为引入ImageNet数据集后训练完成的模型，所述权重参数为预训练模型训练完成后得到的权重参数；

根据引入迁移学习的ConvNeXt，对所述时频图进行特征提取与分类包括：将所述时频图划分为训练集和测试集；

将所述训练集输入至所述引入迁移学习的ConvNeXt中，对所述引入迁移学习的ConvNeXt进行训练，再通过所述测试集对训练后的所述引入迁移学习的ConvNeXt进行测试；

通过测试后的所述引入迁移学习的ConvNeXt，对所述时频图进行特征提取与分类。

2.根据权利要求1所述的配电网故障区段定位方法，其特征在于，发生故障后的各区段两端的所述零序电流为：其中， 为故障点上游的零序电流量， 为故障点下游的零序电流量， 为对地电容， 为消弧线圈电感， 为流过 的电容电流， 为流过 的电感电流， 表示终端的总数， 表示故障上游的终端数量， 表示流经第 个电容的电流，为 间的整数。

3.根据权利要求1所述的配电网故障区段定位方法，其特征在于，所述短时傅里叶变换为：其中， 为原信号， 为窗函数的时域形式，为窗函数选取的时间，为时间，f为频率，e表示数学常量，j表示复数。

4.根据权利要求3所述的配电网故障区段定位方法，其特征在于，进行所述短时傅里叶变换还包括：设置所述短时傅里叶变换的带宽和时域分辨率；

所述短时傅里叶变换的带宽为：

其中， 为带宽， 为 的能量， 表示窗函数的频域形式，f表示频率；

所述短时傅里叶变换的时域分辨率为：

其中， 为时域分辨率， 为 的能量， 表示窗函数的时域形式。