1.一种基于振动分析的电力设备故障预测方法，其特征在于，包括以下步骤：采集电力设备的振动信号数据；

将振动信号数据进行预处理，振动信号数据经过滤波、降噪、标准化处理后转变为振动分析数据；

将振动分析数据按照时间序列切分为多个子段，子段包含连续的振动分析数据点，将子段内的振动分析数据进行提取特征数据；

根据子段内的特征数据，计算子段的动态调整系数，利用子段的动态调整系数对子段内的振动分析数据进行动态平滑处理，计算每个子段内振动分析数据的预测值和实际值的偏差值；

预设偏差值阈值，比较偏差值与偏差值阈值，判断子段内的振动分析数据是否存在异常。

2.根据权利要求1所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述振动信号数据的预处理通过滤波、降噪、标准化处理进行转变为振动分析数据；

所述滤波通过带通滤波器去除振动信号数据中的高频噪声和低频漂移，保留振动信号频段；

所述降噪通过使用小波变换方法对滤波后的振动信号数据进行降噪，进一步减少随机噪声的影响；

所述标准化处理将降噪后的振动信号数据进行归一化处理，使数据的均值为0，标准差为1，生成振动分析数据。

3.根据权利要求2所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述振动分析数据按照时间序列切分为多个子段，包括以下步骤：确定子段长度L和步长S，其中L为每个子段包含的振动分析数据点数，S为相邻子段之间的间隔数据点数；

从振动分析数据的起始点开始，按照步长S依次选取长度为L的子段，形成多个子段；

第i个子段的起始点位置Pi通过以下公式计算：Pi＝(i‑1)×S

其中，i为子段的序号；

第i个子段的结束点位置Qi通过以下公式计算：Qi＝Pi+L‑1

其中，Qi为第i个子段的最后一个数据点的位置。

4.根据权利要求3所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述子段内的振动分析数据进行提取特征数据包括频域特征和时域特征；

所述频域特征通过对子段内的振动分析数据进行快速傅里叶变换，得到频域数据X(f)：其中，x(t)为子段内第t个数据点的振动分析数据，f为频率，j为虚数单位；

计算子段内振动分析数据的频域能量Ei：通过频域数据计算子段内振动分析数据的主频F0：所述主频f0标记出振动分析信号的特征振动频率。

5.根据权利要求4所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述时域特征包括以下步骤：计算子段内振动分析数据的均值μi：

其中，x(t)为子段内第t个数据点的振动分析数据，L为子段长度，Pi和Qi分别是第i个子段的起始点和结束点位置；

通过振动分析数据的均值μi计算子段内振动分析数据的标准差σi；

所述峰值PPi通过子段内振动数据进行计算，公式如下：所述时域特征数据为振动分析数据的均值μi、标准差σi和峰值PPi，实现在时域特征上的关键特征值。

6.根据权利要求1所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述子段的动态调整系数包括以下步骤：通过子段内振动分析数据的均值μi、标准差σi和峰值PPi计算子段的时域特征综合指标Ti；

Ti＝w1·μi+w2·σi+w3·PPi其中，w1、w2、w3分别为预设的权重系数；

通过子段内振动分析数据的主频f0和频域能量Ei计算子段内的频域特征综合指标Fi；

Fi＝w4·Ei+w5·f0

其中，w4、w5分别为预设的权重系数；

根据子段的时域特征综合指标Ti和频域特征综合指标Fi计算子段的综合特征指标Ci；

Ci＝α·Ti+(1‑α)·Fi

其中，α为预设的时域特征和频域特征的综合权重；

根据子段的综合特征指标Ci计算子段的动态调整系数βi；

其中，θ为预设阈值。

7.根据权利要求6所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述通过子段的动态调整系数对子段内的振动分析数据进行动态平滑处理，所述对每个子段i内的振动分析数据进行动态平滑处理，计算每个数据点t的平滑值Si(t)，所述动态平滑处理公式为：Si(t)＝βi·x(t)+(1‑βi)·Si‑1(t)其中，Si‑1(t)为前一个子段在时间t处的平均值。

8.根据权利要求1所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述偏差值通过子段内振动分析数据的预测值和实际值进行计算，所述子段内振动分析数据的预测值 为：所述偏差值Di(t)通过预测值和实际值的差值求出，公式为：其中，Di(t)为第i个子段在时间t处的偏差值。

9.根据权利要求1所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述偏差值阈值包括以下步骤：计算所有子段的平均偏差值

其中，D为子段的总数；

计算所有子段的偏差值的标准差σD；

通过平均偏差值 和偏差值的标准差σD预设偏差值阈值Δ：其中，k为预设的倍数系数。

10.根据权利要求8或9所述的一种基于振动分析的电力设备故障预测方法，其特征在于，所述子段内的振动分析数据通过偏差值Di(t)与预设偏差值阈值Δ进行比较判断存在异常；

所述若Di(t)＞Δ，则判定子段内的振动数据存在异常，电力设备存在故障；

所述若Di(t)≤Δ，则判定子段内的振动数据无异常，电力设备无故障。