1.基于长短期记忆网络的光伏发电故障风险预测系统，应用于光伏发电设备，其特征在于，包括：数据采集模块，包括发电功率采集单元、环境数据采集单元、电池数据采集单元、逆变器数据采集单元、支架数据采集单元及线路数据采集单元，其中，所述发电功率采集单元用于采集光伏发电设备的光伏发电实时功率，所述环境数据采集单元用于采集光伏电池板所处的环境状态信息，所述电池数据采集单元用于采集光伏电池板的电池状态信息，所述逆变器数据采集单元用于采集逆变器的逆变器状态信息，所述支架数据采集单元用于采集支架结构的支架状态信息，所述线路数据采集单元用于采集连接线路的线路状态信息；

发电预测模块，用于通过长短期记忆网络基于所述环境数据采集单元采集的光伏电池板所处的环境状态信息，生成所述光伏发电设备的光伏发电预测功率；

风险预测模块，用于基于所述光伏发电设备的光伏发电预测功率、光伏发电实时功率、环境状态信息、电池状态信息、逆变器状态信息、支架状态信息及线路状态信息，进行光伏发电故障风险预测，具体包括：基于所述光伏发电设备的光伏发电预测功率和光伏发电实时功率，计算故障风险参数；

根据所述故障风险参数判断是否进行光伏发电故障风险预测；

若判定进行光伏发电故障风险预测，则基于所述电池状态信息，计算热斑效应影响参数，基于所述支架状态信息和所述电池状态信息，计算太阳跟随精度影响参数；

基于所述光伏发电设备的光伏发电预测功率、热斑效应影响参数和所述太阳跟随精度影响参数，生成所述光伏发电设备的第二光伏发电预测功率；

当所述光伏发电设备的第二光伏发电预测功率与所述光伏发电实时功率之间的功率差值大于预设功率差值阈值时，基于所述逆变器状态信息，进行逆变器故障风险预测，基于所述线路状态信息，进行线路故障风险预测，基于所述热斑效应影响参数进行热斑故障预测，基于所述太阳跟随精度影响参数进行太阳跟随故障预测；

当所述光伏发电设备的第二光伏发电预测功率与所述光伏发电实时功率之间的功率差值小于或等于预设功率差值阈值时，基于所述热斑效应影响参数进行热斑故障预测，基于所述太阳跟随精度影响参数进行太阳跟随故障预测。

2.根据权利要求1所述的基于长短期记忆网络的光伏发电故障风险预测系统，其特征在于，所述电池数据采集单元包括光照感应装置、温度感应装置及红外图像采集装置，其中，所述光照感应装置包括多个光照传感器，所述多个光照传感器分别设置在所述光伏电池板的多个位置处，所述温度感应装置包括多个温度传感器，所述多个温度传感器分别设置在所述光伏电池板的多个位置处，所述红外图像采集装置包括位姿调整组件及设置在所述位姿调整组件上的红外图像采集组件。

3.根据权利要求2所述的基于长短期记忆网络的光伏发电故障风险预测系统，其特征在于，所述电池数据采集单元采集光伏电池板的电池状态信息，包括：对于每个所述光照传感器，基于所述光照传感器在多个连续时间点采集的电池板光照强度信息，计算所述光照传感器的遮挡风险值；

基于每个所述光照传感器的遮挡风险值，从所述多个温度传感器中确定目标温度传感器；

对于每个所述目标温度传感器，基于所述目标温度传感器在多个连续时间点采集的电池板温度信息，计算所述目标温度传感器的热斑风险值；

基于每个所述目标温度传感器的热斑风险值，确定图像采集位姿；

所述红外图像采集装置基于所述图像采集位姿，采集电池板红外热成像。

4.根据权利要求1‑3中任意一项所述的基于长短期记忆网络的光伏发电故障风险预测系统，其特征在于，所述支架数据采集单元包括支架声音采集装置、支架振动感应装置及转动角度采集装置，其中，所述转动角度采集装置用于采集所述支架结构带动光伏电池板转动的角度。

5.根据权利要求1‑3中任意一项所述的基于长短期记忆网络的光伏发电故障风险预测系统，其特征在于，所述发电预测模块通过长短期记忆网络基于所述环境数据采集单元采集的光伏电池板所处的环境状态信息，生成光伏发电预测功率，包括：通过多个功率预测模型基于所述环境数据采集单元采集的光伏电池板所处的环境状态信息，生成多个第一光伏发电预测功率，其中，至少一个所述功率预测模型基于长短期记忆网络构建；

计算所述多个第一光伏发电预测功率的差值离散参数；

基于所述差值离散参数，判断是否进行预测修正；

当判定进行预测修正时，通过预测修正模型基于所述多个第一光伏发电预测功率，生成光伏发电预测功率；

当判定不进行预测修正时，基于所述多个第一光伏发电预测功率，生成光伏发电预测功率。

6.根据权利要求1所述的基于长短期记忆网络的光伏发电故障风险预测系统，其特征在于，所述风险预测模块基于所述电池状态信息，计算热斑效应影响参数，包括：通过聚类算法基于电池板红外热成像，确定热斑风险区域；

对于每个热斑风险区域，基于所述热斑风险区域的红外热成像，确定所述热斑风险区域的热斑参数；

基于每个所述热斑风险区域的热斑参数，计算所述热斑效应影响参数。

7.根据权利要求1所述的基于长短期记忆网络的光伏发电故障风险预测系统，其特征在于，所述风险预测模块基于所述支架状态信息和所述电池状态信息，计算太阳跟随精度影响参数，包括：基于所述支架状态信息、环境光照强度和光伏电池板的光照强度，确定所述太阳跟随精度影响参数。

8.根据权利要求7所述的基于长短期记忆网络的光伏发电故障风险预测系统，其特征在于，所述风险预测模块基于所述逆变器状态信息，进行逆变器故障风险预测，包括：建立逆变器故障风险预测模型；

通过所述逆变器故障风险预测模型基于所述逆变器状态信息，进行逆变器故障风险预测；

所述风险预测模块基于所述线路状态信息，进行线路故障风险预测，包括：建立线路故障风险预测模型；

通过所述线路故障风险预测模型基于所述线路状态信息，进行线路故障风险预测。

9.基于长短期记忆网络的光伏发电故障风险预测方法，其特征在于，应用于权利要求

1‑8中任意一项所述的基于长短期记忆网络的光伏发电故障风险预测系统，包括：采集光伏发电设备的光伏发电实时功率；

采集光伏电池板所处的环境状态信息；

采集光伏电池板的电池状态信息；

采集逆变器的逆变器状态信息；

采集支架结构的支架状态信息；

采集连接线路的线路状态信息；

通过长短期记忆网络基于光伏电池板所处的环境状态信息，生成所述光伏发电设备的光伏发电预测功率；

基于所述光伏发电设备的光伏发电预测功率、光伏发电实时功率、环境状态信息、电池状态信息、逆变器状态信息、支架状态信息及线路状态信息，进行光伏发电故障风险预测。