1.一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，包括以下步骤：S1：采集开关柜运行时的多项参数，多项运行参数包括开关柜内的电气设备参数和环境参数；

S2：将开关柜内的电气设备参数和环境参数建立数据分析模型，生成影响系数；

S3：将影响系数与阈值进行比对，生成高影响信号与低影响信号，对高影响信号发出预警提示，对低影响信号不发出预警提示；

S4：对低影响信号对应的影响系数建立数据集合，对数据集合内的影响系数进行分析，生成风险检修信号，通过风险检修信号生成检修系数；

S5：对生成检修系数进行排序，按照顺序对开关柜进行检修。

2.根据权利要求1所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，电气设备参数包括电气设备电流分布系数和电气设备电压分布系数，环境参数包括温湿度干扰系数，采集后，将电气设备电流分布系数、电气设备电压分布系数以及温湿度干扰系数分别标定为 、 、 。

3.根据权利要求2所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，电气设备电流分布系数，即开关柜内电气设备电流的分布情况，获取的逻辑如下：通过电气设备电流的标准差计算开关柜内电气设备电流的分布情况，将电气设备电流的标准差标定为s1，电气设备电流的标准差计算的公式为： ，式中， 为开关柜内电气设备的电流值， 为开关柜内电气设备电流值的平均值，N为开关柜内电气设备的数量，N大于等于2且N为正整数，通过电气设备电流的标准差值获取电气设备电流分布系数 。

4.根据权利要求2所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，电气设备电压分布系数，即开关柜内电气设备电压的分布情况，获取的逻辑如下：通过电气设备电压的标准差计算开关柜内电气设备电压的分布情况，将电气设备电压的标准差标定为s2，电气设备电压的标准差计算的公式为： ，式中， 为开关柜内电气设备的电压值， 为开关柜内电气设备电压值的平均值，n为开关柜内电气设备的数量，n大于等于2且n为正整数，通过电气设备电压的标准差值获取电气设备电压分布系数 。

5.根据权利要求2所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，温湿度干扰系数获取的逻辑如下：对温度设置梯度范围Wmin Wmax，实时获取开关柜内的温度值，将开关柜内的温度值标~定为W，若W处于梯度范围Wmin Wmax内，表明开关柜内的温度值正常，若W不处于梯度范围~Wmin Wmax内，表明开关柜内的温度值不正常，将开关柜内温度的偏差值标定为 ，~获取的方式为：

若W小于Wmin，则 为W和Wmin差值的绝对值，若W大于Wmax，则 为W和Wmax差值的绝对值；

对湿度设置梯度范围Smin Smax，实时获取开关柜内的湿度值，将开关柜内的湿度值标~定为S，若S处于梯度范围Smin Smax内，表明开关柜内的湿度值正常，若S不处于梯度范围~Smin Smax内，表明开关柜内的湿度值不正常，将开关柜内湿度的偏差值标定为 ， 获~取的方式为：

若S小于Smin，则 为S和Smin差值的绝对值，若S大于Smax，则 为S和Smax差值的绝对值；

通过公式计算出温湿度干扰系数，表达式为： ；式中，

为开关柜内温度的偏差值， 为开关柜内湿度的偏差值，t1 t2为开关柜内的温度~不在梯度范围Wmin Wmax之间的时间段，t3 t4为开关柜内的湿度不在梯度范围Wmin Wmax~ ~ ~之间的时间段。

6.根据权利要求2所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，获取到电气设备电流分布系数 、电气设备电压分布系数 以及温湿度干扰系数 后，建立数据分析模型，生成影响系数 ，依据的公式为：；

式中，Q为误差修正因子，h1、h2、h3分别为电气设备电流分布系数、电气设备电压分布系数以及温湿度干扰系数的预设比例系数，且 。

7.根据权利要求6所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，将生成影响系数 与阈值BB1进行比对，若影响系数 大于等于阈值BB1，则生成高影响信号预警提示，提示工作人员对开关柜的运行状态问题及时进行维护和处理，若影响系数 小于阈值BB1，则生成低影响信号预警提示。

8.根据权利要求7所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，在对开关柜进行检修时，将低影响信号对应的影响系数建立数据集合，将数据集合标定为K，则 ，i为低影响信号对应的影响系数的数量，i=1、2、3、4、...、E，E大于等于2，且E为正整数。

9.根据权利要求8所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，将数据集合内的影响系数分别与阈值BB1、BB2、BB3进行比对，其中，，若影响系数 小于阈值BB1且大于等于阈值BB2，则生成高等风险检修信号，若影响系数 小于阈值BB2且大于等于阈值BB3，则生成中等风险检修信号，若影响系数小于阈值BB3，则生成低等风险检修信号，将数据集合内与阈值BB1、BB2、BB3比对后的风险检修信号建立数据集合J，对数据集合J内高等风险检修信号、中等风险检修信号以及低等风险检修信号的数量进行统计，将高等风险检修信号的数量、中等风险检修信号的数量以及低等风险检修信号的数量分别标定为 ，将高等风险检修信号的数量、中等风险检修信号的数量 以及低等风险检修信号的数量 建立数据分析模型，生成检修系数 ，依据的公式为： ；

式中， 分别为电气设备电流分布系数、电气设备电压分布系数以及温湿度干扰系数的预设比例系数，j表示待检修开关柜的数量，且 。

10.根据权利要求9所述的一种基于大数据的电站设备实时状态评估及故障预警方法，其特征在于，获取到开关柜的检修系数 后，将检修系数 按照由大到小的顺序进行排顺序排序，优先对检修系数 表现值大的开关柜进行检修。