1.一种基于工况识别的干式变压器异常检测方法，其特征在于，所述方法可包括以下步骤：

1)干式变压器历史数据采集与预处理：

获取干式变压器三相电流Ia,Ib,Ic、三相绕组温度Ta,Tb,Tc、环境温度Te、环境湿度He、有功功率P历史数据，对于历史数据中的缺失值，采用当天该类数据的均值进行填补，获得干式变压器正常运行状态下的历史监测数据集Φ；

2)干式变压器不同运行工况的识别与划分：

选取历史监测数据集Φ中的有功功率P和环境温度Te作为工况划分的特征；对有功功率P和环境温度Te分别通过基于Soft‑动态时间规整距离的k均值聚类算法进行曲线聚类，设定初始聚类数目Kmin、最大聚类数目Kmax、初始平滑度γmin、最大平滑度γmax，k‑means算法每次聚类完成后，计算本次聚类的戴维森堡丁指数DBI，选取DBI最小的有功功率P和环境温度Te聚类结果进行统一编码，对干式变压器历史监测数据集进行基于工况的划分；

3)提取每种运行工况下干式变压器三相绕组间温度的映射关系：

根据每种运行工况下绕组温度的波动情况计算得出自组织映射网络SOM聚类算法聚类数M和初始化权重 并且设置SOM算法其他初始化参数η0、δ0、tmax；对每种运行工况下干式变压器的三相绕组温度数据进行聚类，得到每种工况下的M个聚类中心，即M个最佳匹配单元BMU，代表该工况下不同温度水平三相温度的映射关系；

4)建立干式变压器每种运行工况下三相绕组温度的预测模型：

4.1)对历史监测数据集中每种工况下的三相电流Ia,Ib,Ic、三相绕组温度Ta,Tb,Tc、环境温度Te、环境湿度He、有功功率P分别进行特征构造，针对每种监测量构造的特征包括均方根、均值、峰值、方差，并对其进行时间序列的滑动窗口处理，以提取各特征时间序列上的相关性信息；

4.2)选取经过特征构造后的历史监测数据作为输入变量，对应时间点的三相绕组温度作为预测变量，建立每种工况下其他监测量与三相绕组温度的随机森林RF预测模型，根据RF模型训练后的各个输入特征对于结果的重要程度进行特征筛选，去除重要性未达预设阈值的特征后进行重新训练，并采用平均绝对误差MAE和均方误差MSE作为评测指标，检验RF模型预测的准确率，每种工况下预测值与实际值绝对误差的最大值作为异常检测上限阈值Ψ；

5)计算在线检测过程中三相温度与预测值的偏离程度，给出异常检测得分：

5.1)计算待检测数据集中有功功率P和环境温度Te与步骤2)中得出的各个工况下有功功率P和环境温度Te聚类中心的Soft‑DTW距离，距离最近的工况为待检测数据集的工况类别；

5.2)判断待检测数据集中实际运行三相温度是否存在缺失值，若存在，则利用现有绕组温度通过上述步骤3)中建立的映射关系对该缺失值进行填补；

5.3)对待检测数据集中的三相电流Ia,Ib,Ic、三相绕组温度Ta,Tb,Tc、环境温度Te、环境湿度He、有功功率P进行与训练集相同的特征构造，输入步骤4)中经过训练的RF模型得到每一监测时间点三相绕组温度的预测值，当前时刻模型输出的三相温度作为下一时刻模型的输入值；

5.4)计算预测三相绕组温度与实际三相温度的绝对误差，判断绝对误差是否超过异常检测上限阈值Ψ，若超过，则判定待检测数据集中干式变压器三相绕组温度异常。

2.如权利要求1所述的基于工况识别的干式变压器异常检测方法，其特征在于，所述步骤2)中，有功功率P和环境温度Te聚类结果进行统一编码的公式为：Clable[m]＝2*Plable[m]+Telable[m]     (1)其中，Plable[m]和Telable[m]为第m天有功功率P和环境温度Te聚类结果标签，Clable[m]为得出的第m天的运行工况标签。

3.如权利要求1所述的基于工况识别的干式变压器异常检测方法，其特征在于，所述步骤3)中，SOM聚类算法聚类数M和初始化权重 的计算方法为：

3.1.1)初始化聚类数M；计算每个运行工况下三相绕组温度的最大值和最小值之差并向上取整作为该工况下SOM聚类的聚类数量，即输出层神经元数目：其中，taN、tbN、tcN代表该工况下第N个点的a、b、c三相温度值， 为向上取整函数，max(Ta,Tb,Tc)、min(Ta,Tb,Tc)代表该工况下三相温度的最大值和最小值；

3.1.2)初始化M个聚类中心神经元初始化权重wj：

wj＝(taj,tbj,tcj) (4)

其中，max(Tx)、min(Tx)代表该工况下x相温度的最大值和最小值，j＝1,2,...M，x＝a,b,c。

4.如权利要求1所述的基于工况识别的干式变压器异常检测方法，其特征在于，所述步骤5.2)中，对于缺失绕组温度数据的填补方法为：

5.2.1)记α相绕组温度数据缺失，缺失温度值为Tαmissing，现有另外两相为β相和λ相，温度值为Tβexisting、Tλexisting，计算Tβexisting和Tλexisting与该工况下所有BMU中对应相温度的欧氏距离，选取欧式距离dfill最小的BMU中α相温度来填补该缺失值：其中，Tβi,Tλi为该工况下BMU中对应相的温度值。