1.一种变电站电气设备异常监测方法，包括如下步骤：

步骤100，采集变电站电气设备的红外热成像图像和可见光图像；

步骤200，使用训练好的改进的SSD模型对上述热红外图像进行热故障检测，若检测结果为出现热故障，则将故障信息发送给客户端，若检测结果为正常，则执行步骤300；

步骤300，将上述可见光图像输入训练好的改进的Yolov5s模型进行烟雾检测和识别，若检测结果为产生烟雾，则将故障信息发送给客户端。

2.根据权利要求1所述的变电站电气设备异常监测方法，其特征在于，所述使用训练好的改进的SSD模型对上述热红外图像进行热故障检测，还包括如下步骤：步骤210，对SSD模型进行改进：输入的图像会生成7个卷积特征层，在第二个卷积特征层和第三个卷积特征层之间引入注意力机制，得到的新的特征图作为第二个卷积特征层的输出，同时输入第三个卷积特征层；同时在第三个卷积特征层和第四个卷积特征层之间引入SPP网络，将SPP网络的输出作为第四个卷积特征层的输入；所述的注意力机制包括通道注意力和空间注意力，关于通道注意力，首先对输入的特征图进行平均池化操作以及最大池化操作，分别产生大小为1*1*C的通道权重矩阵，然后经过同一个MLP进行学习，得到通道的注意力权重，之后再经过Sigmoid函数进行归一化操作；权重再经过乘法添加到原始的特征图上，得到添加了通道注意力机制的特征结果。在空间注意力中，首先，对输入的特征进行平均池化操作以及最大池化操作，然后经过7*7的卷积以及Relu激活函数来降低特征图的维度，再经过一次卷积后恢复到原来的维度，最后经过Sigmoid激活函数标准化处理后得到空间注意力权重，空间注意力权重经过乘法添加到通道注意力机制的特征结果上，从而得到添加了空间注意力机制的特征结果；对SSD模型中损失函数中的定位损失进行改进，采用如下定位损失：式中，π

步骤220，使用训练样本集对改进后的SSD模型进行训练，得到训练后的改进的SSD模型；

步骤230，使用训练好的改进的SSD模型对上述热红外图像进行热故障检测。

3.根据权利要求1所述的变电站电气设备异常监测方法，其特征在于，所述将上述可见光图像输入训练好的改进的Yolov5s模型进行烟雾检测和识别，包括如下步骤：步骤310，对Yolov5s模型进行改进：在Yolov5s模型中，保留骨干特征提取网络中的普通卷积，将颈部网络中的普通特征层使用MSConv卷积替换，其中MSConv卷积结合了普通卷积、深度可分离卷积和混洗操作，具体实现方式如下：首先通过普通卷积生成高维特征，然后使用深度可分离卷积将高维特征进行变换，接着将上述两个步骤得到的两个特征进行拼接，并通过混洗操作，将不同组的特征图混洗在一起，以增强不同组之间的信息交互；在Yolov5s多尺度检测的基础上添加大尺度检测层，从而实现利用4种不同尺寸特征图对图片中的大、中、小和较小目标进行识别；

步骤320，使用训练样本集对改进后的Yolov5s模型进行训练，得到训练后的改进的Yolov5s模型；

步骤330，将上述可见光图像输入训练好的改进的Yolov5s模型进行烟雾检测和识别。

4.根据权利要求1所述的变电站电气设备异常监测方法，其特征在于，所述检测结果为出现热故障或所述检测结果为产生烟雾之后，还包括：控制自动断路器切断与所述电气设备电连接的供电电源。

5.根据权利要求4所述的变电站电气设备异常监测方法，其特征在于，所述检测结果为产生烟雾之后，还包括：控制灭火器喷头向所述电气设备喷射灭火剂，并发出报警信号或报警铃声。

6.根据权利要求5所述的变电站电气设备异常监测方法，其特征在于，所述灭火器为干粉式灭火器，其中，各个电气设备均对应设置有灭火器。

7.根据权利要求6所述的变电站电气设备异常监测方法，其特征在于，所述故障信息发送给客户端，包括：客户端接收所述故障信息。

8.一种电网故障检测装置，包括：存储器，以及

获取模块，用于采集变电站电气设备的红外热成像图像和可见光图像；

第一处理模块，使用训练好的改进的SSD模型对上述热红外图像进行热故障检测，若检测结果为出现热故障，则将故障信息发送给客户端，若检测结果为正常，则执行第二处理模块；

第二处理模块，将上述可见光图像输入训练好的改进的Yolov5s模型进行烟雾检测和识别，若检测结果为产生烟雾，则将故障信息发送给客户端。