1.一种基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于，包括以下步骤：

步骤1：获取待分析的电力变压器故障数据；

步骤2：将所述待分析的电力变压器故障数据归一化处理；

步骤3：将归一化处理后的数据通过所述改进CNN‑PNN网络对所述待分析的电力变压器故障数据进行分析，输出所述待分析的电力变压器故障数据对应的故障诊断结果；

所述改进CNN‑PNN网络，包括并行设置的Conv1_1、Conv1_2、Conv1_3和Conv1_4层，用于将所述并行设置的Conv1_1、Conv1_2、Conv1_3与Conv1_4层输出拼接的第一拼接层，用于将第一拼接层输出的一维向量转化成二维向量的第一转化层，并行设置的Conv2_1、Conv2_2、Conv2_3、Conv2_4、Conv2_5、Conv2_6、Conv2_7和Conv2_8层，用于将所述并行设置的Conv2_

1、Conv2_2、Conv2_3、Conv2_4、Conv2_5、Conv2_6、Conv2_7和Conv2_8层输出拼接的第二拼接层，并行设置Conv3_1操作层+Resnet1操作层+attention操作层+view()函数操作层、Conv3_2操作层+Resnet2操作层+attention操作层+view()函数操作层、Conv3_3操作层+Resnet3操作层+attention操作层+view()函数操作层和Conv3_4操作层+Resnet4操作层+attention操作层+view()函数操作层，用于将并行设置Conv3_1操作层+Resnet1操作层+attention操作层+view()函数操作层、Conv3_2操作层+Resnet2操作层+attention操作层+view()函数操作层、Conv3_3操作层+Resnet3操作层+attention操作层+view()函数操作层和Conv3_4操作层+Resnet4操作层+attention操作层+view()函数操作层输出拼接的第三拼接层，和用于将第三拼接层输出进行分类得到故障类型预测的全连接层。

2.根据权利要求1所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：步骤2中，将所述待分析的电力变压器故障数据归一化处理为向量(b,1,5)，其中，b为输入数据的个数，5为一个输入数据的长度，1为输入数据的通道数。

3.根据权利要求1所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：所述Conv1_1、Conv1_2、Conv1_3和Conv1_4层，均为由一维卷积层和Relu激活函数层组成；所述一维卷积层，输入通道大小和输出通道大小均为1，卷积核大小分别为1、3、5、1，步数均为1，填充数分别为0、1、2、0。

4.根据权利要求1所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：所述Conv2_1、Conv2_2、Conv2_3、Conv2_4、Conv2_5、Conv2_6、Conv2_7和Conv2_8层，均为由二维卷积层和Relu激活函数层组成；所述二维卷积层，输入通道大小和输出通道大小均为1，卷积核大小分别为(1,1)、(3,1)、(5,1)、(1,1)、(3,1)、(5,1)、(1,1)、(1,1)，步数均为1，填充数分别为0、1、2、0、1、2、0、0。

5.根据权利要求1所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：所述Conv3_1操作层，由第一二维卷积操作层、第一批归一化操作层、Relu激活函数、第一池化操作层、第二二维卷积操作层、第二批归一化操作层、Relu激活函数层、第二池化操作层组成；

所述第一二维卷积操作层，输入通道大小为1，输出通道大小为16，卷积核大小为(3,

3)，步数为1，填充数为0；所述第一批归一化操作层，输入通道大小为16，输出通道大小为

16；所述第一池化操作层，输入通道大小为16，输出通道大小为16，卷积核大小为(2,2)，步数为2；所述第二二维卷积操作层，输入通道大小为16，输出通道大小为32，卷积核大小为(3,3)，步数为1，填充数为0；所述第二批归一化操作层，输入通道大小为32，输出通道大小为32；所述第二池化操作层，输入通道大小为32，输出通道大小为32，卷积核大小为(2,2)，步数为2；

所述Resnet1操作层，由第一blk层和第二blk层组成；所述第一blk层，输入通道大小为

32，输出通道大小为32；所述第二blk层，输入通道大小为32，输出通道大小为64；所述blk代表ResNet。

6.根据权利要求1所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：所述Conv3_2操作层，由第三二维卷积操作层、第三批归一化操作层、Relu激活函数、第三池化操作层、第四二维卷积操作层、第四批归一化操作层、Relu激活函数层、第四池化操作层组成；

所述第三二维卷积操作层，输入通道大小为1，输出通道大小为16，卷积核大小为(5,

5)，步数为1，填充数为0；所述第三批归一化操作层，输入通道大小为16，输出通道大小为

16；所述第三池化操作层，输入通道大小为16，输出通道大小为16，卷积核大小为(2,2)，步数为2；所述第四二维卷积操作层，输入通道大小为16，输出通道大小为32，卷积核大小为(5,5)，步数为1，填充数为0；所述第四批归一化操作层，输入通道大小为32，输出通道大小为32；所述第四池化操作层，输入通道大小为32，输出通道大小为32，卷积核大小为(2,2)，步数为2；

所述Resnet2操作层，由第三blk层和第四blk层组成；所述第三blk层，输入通道大小为

32，输出通道大小为32；所述第四blk层，输入通道大小为32，输出通道大小为64；所述blk代表ResNet。

7.根据权利要求1所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：所述Conv3_3操作层，由第五二维卷积操作层、第五批归一化操作层、Relu激活函数、第五池化操作层、第六二维卷积操作层、第六批归一化操作层、Relu激活函数层、第六池化操作层组成；

所述第五二维卷积操作层，输入通道大小为1，输出通道大小为16，卷积核大小为(6,

6)，步数为1，填充数为0；所述第五批归一化操作层，输入通道大小为16，输出通道大小为

16；所述第五池化操作层，输入通道大小为16，输出通道大小为16，卷积核大小为(2,2)，步数为2；所述第六二维卷积操作层，输入通道大小为16，输出通道大小为32，卷积核大小为(6,6)，步数为1，填充数为0；所述第六批归一化操作层，输入通道大小为32，输出通道大小为32；所述第六池化操作层，输入通道大小为32，输出通道大小为32，卷积核大小为(2,2)，步数为2；

所述Resnet3操作层，由第五blk层和第六blk层组成；所述第五blk层，输入通道大小为

32，输出通道大小为32；所述第六blk层，输入通道大小为32，输出通道大小为64；所述blk代表ResNet。

8.根据权利要求1所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：所述Conv3_4操作层，由第七二维卷积操作层、第七批归一化操作层、Relu激活函数、第七池化操作层、第八二维卷积操作层、第八批归一化操作层、Relu激活函数层、第八池化操作层组成；

所述第七二维卷积操作层，输入通道大小为1，输出通道大小为16，卷积核大小为(1,

1)，步数为1，填充数为0；所述第七批归一化操作层，输入通道大小为16，输出通道大小为

16；所述第七池化操作层，输入通道大小为16，输出通道大小为16，卷积核大小为(2,2)，步数为2；所述第八二维卷积操作层，输入通道大小为16，输出通道大小为32，卷积核大小为(1,1)，步数为1，填充数为0；所述第八批归一化操作层，输入通道大小为32，输出通道大小为32；所述第八池化操作层，输入通道大小为32，输出通道大小为32，卷积核大小为(2,2)，步数为2；

所述Resnet4操作层，由第七blk层和第八blk层组成；所述第七blk层，输入通道大小为

32，输出通道大小为32；所述第八blk层，输入通道大小为32，输出通道大小为64；所述blk代表ResNet。

9.根据权利要求1‑8任意一项所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法，其特征在于：所述改进CNN‑PNN网络，是训练好的改进CNN‑PNN网络；其训练过程包括以下步骤：（1）获取电力变压器的故障样本数据集，其中，所述故障样本数据集中的每个样本数据包括以五种气体特征(H2、CH4、C2H2、C2H4、C2H6)构成长度为5的输入一维向量(b,5)，其中：b为输入数据的个数，5为一个输入数据的长度；

（2）将所述故障样本数据集归一化处理为向量(b,1,5)，其中，b为输入数据的个数，5为一个输入数据的长度，1为输入数据的通道数；

（3）将归一化处理后的数据输入所述改进CNN‑PNN网络，对故障类型预测；通过实际故障类型与预测类型之间的误差通过梯度下降的方式进行网络参的更新；训练达到预设目标后结束训练，获得训练好的网络。

10.一种基于改进CNN‑PNN网络的电力变压器故障诊断系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至9中任一项所述的基于改进CNN‑PNN网络的电力变压器故障诊断方法。