1.一种基于MobileNetV3的同杆双回线路故障选相方法，其特征在于，包括：基于故障线路获取故障数据；

对所述故障数据预处理，得到故障预处理数据，其中，所述故障预处理数据包括训练集和测试集；

基于MobileNetV3网络，构建改进的MobileNetV3‑large网络，将所述训练集输入所述改进的MobileNetV3‑large网络进行网络训练，更新网络权重参数，得到训练好的MobileNetV3‑large网络；

将所述测试集输入所述训练好的MobileNetV3‑large网络，辨别不同故障类型，实现同杆双回输电线路的故障选相；

所述故障数据获取的过程包括：

基于仿真软件PSCAD和现实线路参数设定搭建仿真模型；

基于所述仿真模型，设置不同种故障条件，其中所述不同种故障条件包括：不同个故障类型、不同个故障距离和不同个过渡电阻；

基于所述不同种故障条件采集单侧回路三相的电流信号和电压信号，得到所述故障数据；

对所述故障数据预处理的过程包括：将文本文件转换成图片文件；

其中，所述故障数据包括文本文件，所述故障预处理数据包括图片文件；

所述图片文件的获取过程包括：

基于解耦矩阵，对所述文本文件进行相模变换，分别得到三个模量下的解耦电压和解耦电流；

对所述解耦电压和所述解耦电流归一化，得到三个模量下的归一化解耦电压和归一化解耦电流；

基于所述归一化解耦电压和所述归一化解耦电流，绘制波形图，得到图片文件；

所述解耦矩阵表示为：

其中，S为解耦矩阵。

2.根据权利要求1所述的基于MobileNetV3的同杆双回线路故障选相方法，其特征在于：将所述图片文件输入至改进MobileNetV3‑Large网络中，得到故障类型的过程包括：输入所述图片文件进行标准卷积化得到第一特征，其中，卷积核大小为3×3，核的个数为16，激活函数是h‑swish，步长为2；

将所述第一特征输入至MobileNetV3‑Large  blocks得到第二特征，其中，所述MobileNetV3‑Large blocks包括8个卷积核大小为3×3的深度卷积和6个卷积核大小为5×

5的深度卷积；

对所述第二特征进行升维得到第三特征；

所述第三特征经全局平均池化得到一个一维特征；

所述一维特征经两个大小为1×1的卷积核后，经输出通道得到不同故障类型的概率值，基于所述概率值得到故障类型。

3.根据权利要求1所述的基于MobileNetV3的同杆双回线路故障选相方法，其特征在于：MobileNetV3‑large网络的改进包括：激活函数中非线性函数为LeakyReLU，输出通道设置为56。