1.一种电力模组的状态检测方法，其特征在于，包括以下步骤：

步骤S1：对电力模组的物理电路图进行关键元件及连接关系提取，生成模组抽象电路图；利用传感器设备对电力模组进行数据采集，生成多维测量数据；基于多维测量数据进行数据矩阵构建，生成多维数据矩阵；

步骤S2：对多维数据矩阵进行奇异值分解，生成奇异值矩阵；根据奇异值矩阵进行特征信息提取，生成关键奇异值数据；根据关键奇异值数据进行数据重构，生成多维重构数据；

步骤S3：获取历史残差数据；根据历史残差数据进行动态阈值设定，生成残差阈值；通过多维测量数据与多维重构数据进行残差比较，生成检测结果数据；利用残差阈值对检测结果数据进行结果划分，生成异常运行测量数据与正常运行测量数据；其中，步骤S3包括以下步骤：步骤S31：获取历史残差数据，其中历史残差数据是电力模组历史运行中产生的模型检测结果与实际测量值之间的差异；根据历史残差数据进行动态阈值设定，生成残差阈值；其中，通过动态阈值计算公式进行动态阈值设定，其中动态阈值计算公式具体为：；

式中， 为时间 时的残差阈值，为历史残差数据的平均值，为历史残差数据的标准差，为历史数据中残差维度的数量，为残差维度的索引值， 为第 维残差的权重值，为指数函数的底数，为斜率参数， 为时间 时的第维残差值，为阈值参数；

步骤S32：利用序列模式检测技术对多维测量数据与多维重构数据进行时序关联分析，生成时序分析数据；

步骤S33：对多维测量数据与多维重构数据进行非线性残差比较，生成非线性分析数据；

步骤S34：利用时序分析数据与非线性分析数据进行综合残差检测，生成检测结果数据；

步骤S35：利用残差阈值对检测结果数据进行结果划分，当检测结果数据大于或等于残差阈值，则生成异常运行测量数据；当检测结果数据小于残差阈值，则生成正常运行测量数据；

步骤S4：对电力模组进行模组表面信息提取，生成模组表面拓扑图；将模组抽象电路图与模组表面拓扑图进行图像融合处理，生成电路拓扑图；利用异常运行测量数据与正常运行测量数据对电路拓扑图进行图神经训练，生成运行状态检测模型；

步骤S5：对电力模组进行实时数据采集，生成实时多维监测数据；利用运行状态检测模型对实时多维监测数据进行异常检测，生成模型检测结果数据；

步骤S6：利用模型检测结果数据对检测结果数据进行差异结果提取，生成差异结果数据；利用差异结果数据进行检测方法调整优化，生成优化检测方案；基于优化检测方案对电力模组进行实时状态检测，生成实时状态检测数据；其中，步骤S6包括以下步骤：步骤S61：利用模型检测结果数据对检测结果数据进行差异结果提取，生成差异结果数据；

步骤S62：根据差异结果数据进行差异原因分析，生成差异类别数据；

步骤S63：根据差异类别数据进行检测方法优化，当差异类别数据为奇异值分解误差时，则进行矩阵分析过程优化，生成矩阵分解重构方案；当差异类别数据为模型检测误差时，则进行模型迭代优化，生成检测优化模型方案；

步骤S64：对矩阵分解重构方案与检测优化模型方案进行时序关联，生成优化检测方案；

步骤S65：基于优化检测方案对电力模组进行实时状态检测，生成实时状态检测数据。

2.根据权利要求1所述的电力模组的状态检测方法，其特征在于，步骤S1包括以下步骤：步骤S11：对电力模组的物理电路图进行关键元件及连接关系提取，生成模组抽象电路图；

步骤S12：通过模组抽象电路图进行关键监测点提取，生成关键点信息数据；根据关键点信息数据进行传感器选择估算，生成传感器排列数据；

步骤S13：基于传感器排列数据对电力模组进行数据采集，生成多维测量数据；

步骤S14：根据电力模组的运行特性进行注意力机制设计，生成时序注意力机制；

步骤S15：利用时序注意力机制对多维测量数据进行时序权重赋值，生成多维加权测量数据；

步骤S16：根据多维加权测量数据进行数据矩阵构建，生成多维数据矩阵。

3.根据权利要求2所述的电力模组的状态检测方法，其特征在于，步骤S12包括以下步骤：步骤S121：通过模组抽象电路图进行关键监测点提取，生成待监测点信息数据；根据待监测点信息数据进行传感器选择，生成传感器性能数据；

步骤S122：基于模组抽象电路图对传感器性能数据进行状态检测模拟，生成模拟评估数据；通过模拟评估数据进行优选组合提取，生成优选排列方式数据；

步骤S123：根据优选排列方式数据对电力模组进行数据采集迭代测试，生成传感器排列数据。

4.根据权利要求2所述的电力模组的状态检测方法，其特征在于，步骤S2包括以下步骤：步骤S21：对多维数据矩阵进行奇异值分解，生成奇异值矩阵；根据奇异值矩阵进行空间分布矩阵定义，生成空间分布矩阵；

步骤S22：将奇异值矩阵进行元素位置标定，生成三矩阵坐标数据；利用三矩阵坐标数据对空间分布矩阵进行矩阵更新，生成空间分布更新矩阵；

步骤S23：根据多维测量数据进行数据特定模式定义，生成特征定义数据；利用特征定义数据对奇异值矩阵进行特征检测处理，生成特征奇异值数据；

步骤S24：对特征奇异值数据进行加权修正处理，生成特征加权数据；

步骤S25：根据奇异值矩阵、空间分布更新矩阵以及特征加权数据进行综合特征提取处理，生成关键奇异值数据；根据关键奇异值数据进行数据重构，生成多维重构数据。

5.根据权利要求1所述的电力模组的状态检测方法，其特征在于，步骤S4包括以下步骤：步骤S41：对电力模组进行模组表面信息提取，生成模组表面拓扑图；

步骤S42：将模组抽象电路图与模组表面拓扑图进行图像融合处理，生成电路拓扑图；

步骤S43：通过异常运行测量数据以及正常运行测量数据对电路拓扑图进行关联处理，生成异常运行图数据与正常运行图数据；

步骤S44：对异常运行数据与正常运行数据进行数据比例评估，生成正异常比例值；根据正异常比例值对异常运行图数据与正常运行图数据进行数据增强处理，生成异常增强图数据与正常增强图数据；

步骤S45：利用异常增强图数据与正常增强图数据对电路拓扑图进行图神经训练，生成运行状态检测模型。

6.根据权利要求5所述的电力模组的状态检测方法，其特征在于，步骤S42包括以下步骤：步骤S421：对模组抽象电路图与模组表面拓扑图进行图像分割处理，生成区域化电路图与区域化拓扑图；将区域化电路图与区域化拓扑图进行关键结构点匹配，生成匹配度数据；

步骤S422：根据匹配度数据进行对模组抽象电路图与模组表面拓扑图进行上下文描述符分析，生成描述符关联数据；

步骤S423：将匹配度数据与描述符关联数据进行信息整合处理，生成整合信息数据；

步骤S424：通过整合信息数据，并利用模组表面拓扑图对模组抽象电路图进行图像修正处理，生成电路拓扑图。

7.一种电力模组的状态检测系统，其特征在于，用于执行如权利要求1所述的电力模组的状态检测方法，该电力模组的状态检测系统包括：矩阵构建模块，用于对电力模组的物理电路图进行关键元件及连接关系提取，生成模组抽象电路图；利用传感器设备对电力模组进行数据采集，生成多维测量数据；基于多维测量数据进行数据矩阵构建，生成多维数据矩阵；

数据重构模块，用于对多维数据矩阵进行奇异值分解，生成奇异值矩阵；根据奇异值矩阵进行特征信息提取，生成关键奇异值数据；根据关键奇异值数据进行数据重构，生成多维重构数据；

残差检测模块，用于获取历史残差数据；根据历史残差数据进行动态阈值设定，生成残差阈值；通过多维测量数据与多维重构数据进行残差比较，生成检测结果数据；利用残差阈值对检测结果数据进行结果划分，生成异常运行测量数据与正常运行测量数据；

检测模型构建模块，用于对电力模组进行模组表面信息提取，生成模组表面拓扑图；将模组抽象电路图与模组表面拓扑图进行图像融合处理，生成电路拓扑图；利用异常运行测量数据与正常运行测量数据对电路拓扑图进行图神经训练，生成运行状态检测模型；

模型检测模块，用于对电力模组进行实时数据采集，生成实时多维监测数据；利用运行状态检测模型对实时多维监测数据进行异常检测，生成模型检测结果数据；

检测方案优化模块，用于利用模型检测结果数据对检测结果数据进行差异结果提取，生成差异结果数据；利用差异结果数据进行检测方法调整优化，生成优化检测方案；基于优化检测方案对电力模组进行实时状态检测，生成实时状态检测数据。