1.一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，包括以下步骤：步骤1：根据现有海上风电场区域土体参数，得到风电场所有风机所在位置的土体参数；

步骤2：根据步骤1得到的土体参数和所有风电单机参数获取特征参数，采用抽样方法得到W×m个风电单机样本对应的特征参数；W为风电场中单机数量，m为抽样次数；

步骤3：将步骤2得到的风电单机样本对应特征参数输入经过训练的神经网络模型，得到样本对应的预测临界水平荷载；

步骤4：获取海上风电场区域实时环境信息，根据实时环境信息和步骤3得到的临界水平荷载计算风电场损伤率为k的超越概率e；

步骤5：若e大于设置阈值，则输出报警信息；若否则退出。

2.根据权利要求1所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述步骤1中采用Kringing法根据现有海上风电场区域土体参数，预测风电场所有风机所在位置的土体参数；

其中，zi为第i个已知位置处的土体参数， 为目标点处的土体参数估计值，λi为第i个已知位置处的土体参数对目标点处土体参数的影响权数，n为土体参数勘探位置数。

3.根据权利要求1所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述步骤2中风电单机对应的特征参数获取方法如下：统计特征参数变异性，按照蒙特卡洛抽样m次，每个单机生成m个样本；从每一个单机的m个样本中随机抽取一个组成风电单机样本，即可得到W个单机的风电单机样本，共W×m个。

4.根据权利要求1所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述步骤3中训练神经网络模型中以特征参数作为输入参数，临界水平荷载作为目标值；

输入参数确定过程如下：

根据步骤1的土体参数，建立海上单螺旋钢桩风机水平荷载下有限元模型和实际工况对比验证，确定损伤指标；

采用统计方法，在每个海上单螺旋钢桩风机参数取值范围内随机抽取p个值，建立p个参数样本；对p个参数进行缩减得到特征参数；

临界水平荷载确定过程如下：

根据p个参数建立有限元模型，获取样本发生损伤时对应的临界水平荷载。

5.根据权利要求1所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述步骤4中风电场区域实时环境信息为风电场区域风荷载和波浪力；风电场损伤率为步骤3中临界水平荷载小于风电场区域风荷载的水平荷载为F的单机数量占总单机数量的比例。

6.根据权利要求5所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述超越概率e计算方法如下：

计算水平荷载F作用下，每个风电场的损伤率k；

统计损伤率大于k的风电场样本数量为c，风电场损伤率为k的超越概率为c/n。

7.根据权利要求4所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述对p个参数进行缩减得到特征参数采用以下方法进行缩减：其中： 为经过缩减后的特征参数，argmin为函数，n为样本个数，m为特征参数个数，yi为第i个样本的临界水平位移，xij为第i个样本中第j个特征参数的值，βj为第j个特征参数的权重值，β0为阈值，λ为正则化参数，α为权重。

8.根据权利要求4所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述损伤指标包括：螺旋钢桩叶片钢轴焊缝屈服应力、叶片临界挠度及桩顶临界水平位移；

所述土体参数包括：临界状态应力比、泊松比、回弹指数、压缩指数、最大孔隙比。

9.根据权利要求4所述的一种螺旋钢桩基础大容量风电场损伤预警方法，其特征在于，所述神经网络模型包括输入层、隐藏层和输出层；权重更新采用L‑M算法；激活函数采用Sigmoid；输入层神经元个数等于特征参数个数；隐藏层层数和隐藏层神经元个数采用网格搜索确定，输出层有一个神经元；神经网络误差采用均方根误差评定。

10.采用权利要求1～9所述任一种螺旋钢桩基础大容量风电场损伤预警方法的预警系统，其特征在于，包括信息采集模块、处理模块和预警模块；

信息采集模块用于采集现有海上风电场区域土体参数和海上风电场区域实时环境信息；

处理模块用于根据信息采集模块采集的信息，得到风电场所有风机所在位置的土体参数；根据预测得到的土体参数获取特征参数，得到单机对应的特征参数；加载神经网络模型获取特征参数对应的临界水平荷载；计算风电场损伤率为k的超越概率e；

预警模块用于判断超越概率是否超过设定阈值，若超过设定阈值则输出预警信息，若否则退出。