1.一种基于数据驱动的光伏发电故障预测与诊断方法，其特征在于，包括：预先对光伏面板划分为i个划分区域，采集i个划分区域内光伏面板单位时间内的实时特征数据；

将实时特征数据输入预构建的故障预测模型中，获得光伏面板在单位时间后的运行状态；运行状态包括不存在故障与存在故障，存在故障包括局部阻塞损坏与温度异常；

所述故障预测模型预构建的方法包括：

预先收集在光伏面板运行阶段单位时间的运行数据，运行数据包括历史特征数据以及历史特征数据对应的运行状态；其中，当运行状态为存在故障时，对应的历史特征数据为光伏面板运行阶段出现热癍前的单位时间的历史特征数据；

将历史特征数据换为特征向量，如下：

， 对应的运行

状态为 ； 为第一组特征向量； 为第一组特征向量中第n个时间区间的电流变化速率； 为第一组特征向量中第n个时间区间的电压变化速率； 为第一组特征向量中一个区域温度值与第k方向上划分区域的区域温度值的温度差值；

为第一组特征向量中温度差值对应的局部温度差异阈值； 包括 、 与 ，为不存在故障， 为局部阻塞损坏， 为温度异常；

将运行数据划分为训练集和测试集，构建第一分类器，将训练集中的历史特征数据作为输入数据，将训练集中的运行状态作为输出数据，对第一分类器进行训练，得到初始第一分类器，利用测试集对初始第一分类器进行测试，输出满足预设准确度的第一分类器作为故障预测模型，故障预测模型为朴素贝叶斯模型或支持向量机模型中的一种；

根据温度异常采集对应光伏面板实时图片数据；

将采集的图片数据输入预构建的故障诊断模型中，获得故障类型，故障类型包括内部异常与外部异常；

所述故障诊断模型的构建方法包括：

获取r组数据，r为大于1的正整数，数据包括历史图片数据和历史故障类型，将历史图片数据和历史故障类型作为样本集，将样本集划分为训练集和测试集，构建第二分类器，将训练集中的历史图片数据作为输入数据，将训练集中的历史故障类型作为输出数据，对第二分类器进行训练，得到初始第二分类器，利用测试集对初始第二分类器进行测试，输出满足预设准确度的第二分类器作为故障诊断模型，故障诊断模型为卷积神经网络与循环神经网络中的一种。

2.根据权利要求1所述的一种基于数据驱动的光伏发电故障预测与诊断方法，其特征在于：所述实时特征数据包括单位时间内的n个电流变化速率、n个电压变化速率、温度差值以及与温度差值对应的局部温度差异阈值。

3.根据权利要求2所述的一种基于数据驱动的光伏发电故障预测与诊断方法，其特征在于：n个所述电流变化速率获取方法包括：将单位时间等分为n+1个连续的时间区间，每个时间区间采集一次光伏面板的电流值；

将后一时间区间的电流值减去前一时间区间的电流值，获得相邻区域电流差值，将电流差值除以前一时间区间的电流值获得一个电流变化速率，以此类推，获得n个所述电流变化速率。

4.根据权利要求2所述的一种基于数据驱动的光伏发电故障预测与诊断方法，其特征在于：n个所述电压变化速率获取方法包括：每个时间区间采集一次光伏面板的电压值；

将后一时间区间的电压值减去前一时间区间的电压值，获得相邻区域电压差值，将电压差值除以前一时间区间的电压值获得一个电压变化速率，以此类推，获得n个所述电压变化速率。

5.根据权利要求2所述的一种基于数据驱动的光伏发电故障预测与诊断方法，其特征在于：所述温度差值获取方法包括：将每个划分区域最后一个时间区间采集的温度值标记为区域温度值；

将区域温度值减去相邻的划分区域的区域温度值，获取k个所述温度差值。

6.根据权利要求2所述的一种基于数据驱动的光伏发电故障预测与诊断方法，其特征在于：所述局部温度差异阈值获取方法包括：预先收集在光伏面板出现热癍前的单位时间的阈值设定数据，阈值设定数据包括历史温度差异特征数据以及与历史温度差异特征数据对应的历史局部温度差异阈值；历史温度差异特征数据包括环境温度、光照强度、风速、太阳辐射和面板材料；

将每组历史温度差异特征数据以向量的形式作为差异阈值设定模型的输入，所述差异阈值设定模型以一组历史温度差异特征数据对应的历史局部温度差异阈值作为输出，以一组历史温度差异特征数据实际对应的历史局部温度差异阈值作为预测目标，以最小化差异阈值设定模型损失函数值作为训练目标；当差异阈值设定模型损失函数值小于等于预设的目标损失值时停止训练，获得差异阈值设定模型，差异阈值设定模型为SVM回归、随机森林回归或神经网络回归模型中的一种；

将实时采集的阈值设定数据输入训练完成的差异阈值设定模型中，获得局部温度差异阈值。

7.根据权利要求1所述的一种基于数据驱动的光伏发电故障预测与诊断方法，其特征在于：所述外部异常包括光伏面板存在裂痕、光伏面板存在污染物与光伏面板存在阴影；内部异常包括电池片不均匀与电池片老化。

8.一种基于数据驱动的光伏发电故障预测与诊断系统，其特征在于，用于实施权利要求1‑7任一项所述的一种基于数据驱动的光伏发电故障预测与诊断方法，包括：第一数据采集模块，预先对光伏面板划分为i个划分区域，采集i个划分区域内光伏面板单位时间内的实时特征数据；

数据分析模块，用于将实时特征数据输入预构建的故障预测模型中，获得光伏面板在单位时间后的运行状态；运行状态包括不存在故障与存在故障，存在故障包括局部阻塞损坏与温度异常；

第二数据采集模块，用于根据温度异常采集对应光伏面板实时图片数据；

故障诊断模块，用于将采集的图片数据输入预构建的故障诊断模型中，获得故障类型，故障类型包括内部异常与外部异常。