1.一种生物质热电联产系统燃烧状态的识别方法，其特征在于：所述方法包括以下步骤：S1 定义生物质热电联产系统的燃烧状态，获取不同燃烧状态下的生物质热电联产系统数据；

S2 基于知识和最大互信息系数方法选择输入变量，基于选择的输入变量对S1的数据进行降维处理；

S3以改进的生成对抗网络模型对数据量不平衡的燃烧状态数据进行数据增强；改进的生成对抗网络模型包括：一生成器，用于接收随机噪声和燃烧状态标签，输出与指定标签相关的生成样本；所述生成器包括顺次设置的一全连接层和四个二维反卷积层，最后两个二维反卷积层间设有一自注意力层；

并列设置的一判别器和一辅助分类器；判别器用于接收来自生成器输出的生成样本，基于真实样本，判断输入样本为真实样本的概率；所述判别器包括顺次设置的四个二维卷积层、一自注意力层和一全连接层；辅助分类器用于接收来自生成器输出的生成样本，与真实样本及它们对应的标签判断输入样本所属类别的概率；所述辅助分类器包括顺次设置的四个二维卷积层、一自注意力层和三个全连接层；

S4 以生成数据评价指标体系对S3数据增强后的数据进行评估，合格的数据进入最终生成的数据集，否则删除；重复步骤S3直至生成预设量的数据；

S5 基于深度卷积神经网络建立燃烧状态识别模型，识别生物质热电联产系统的燃烧状态。

2.根据权利要求1所述的一种生物质热电联产系统燃烧状态的识别方法，其特征在于：S1中，所述燃烧状态与污染物排放浓度和循环流化床的床温关联。

3.根据权利要求1所述的一种生物质热电联产系统燃烧状态的识别方法，其特征在于：S2包括以下步骤：

S2.1 以传感器获得若干初始输入变量；

S2.2 基于污染物生成机理对输入变量进行初步筛选；

S2.3 以最大互信息系数方法对初步筛选后的变量再筛选，确定最终输入变量。

4.根据权利要求3所述的一种生物质热电联产系统燃烧状态的识别方法，其特征在于：S2.1中，初始输入变量包括发电机有功功率、主蒸汽流量瞬时值、锅炉主蒸汽母管出口温度、一次风总管流量、一次热风出口温度、二次风总管流量、二次热风出口温度、双侧排烟温度、双侧燃烧室沸下温度、双侧燃烧室沸中温度、双侧燃烧室中部温度、双侧炉膛出口温度、双侧低温过热器出口氧量、双侧旋风筒出口温度、双侧空预器出口烟气氧含量。

5.根据权利要求3所述的一种生物质热电联产系统燃烧状态的识别方法，其特征在于：S2.3中，收集初步筛选后的输入变量历史运行数据，对数据空间进行网格化分割，计算各个网格数据的互信息值并进行归一化，得到最大互信息系数，基于所述最大互信息系数舍去相关性高于预设值的变量之一，直至余下的所有变量的两两关联程度小于预设值。

6.根据权利要求1所述的一种生物质热电联产系统燃烧状态的识别方法，其特征在于：辅助分类器与真实样本损失函数满足，

，

辅助分类器与生成样本损失函数满足，

，

其中，x为真实样本， 为随机噪声， 为生成样本， 为辅助分类器对于x具有标签 的概率， 为辅助分类器对于 具有标签 的概率；

所述生成器的损失函数为，

，

所述判别器的损失函数为，

，

所述辅助分类器的损失函数为，

，

其中， 为x被判别为真实样本的概率， 为 被判别为真实样本的概率，λ1和λ2为对应真实样本分类损失和生成样本分类损失的参数。

7.根据权利要求1所述的一种生物质热电联产系统燃烧状态的识别方法，其特征在于：S4的生成数据评价指标体系的目标函数为，，

，

，

其中，xi和xj为生成的数据样本，w1、w2和w3分别为判别概率、最大平均差异MMD和KL散度的评价阈值，xt为真实的信号；

P(xi=True)为输入的数据样本为真的概率。

8.根据权利要求1所述的一种生物质热电联产系统燃烧状态的识别方法，其特征在于：S5中，所述燃烧状态识别模型包括N组二维卷积层和最大池化层，最后一组最大池化层后顺次设置有N个全连接层，N≥2。