1.一种配电柜检测方法，其特征在于：包括
获得配电柜温度数据值；
将所述配电柜温度数据值划分为普通温度数据值和需监测温度数据值；
将所述普通温度数据值输入已经训练好的bagging算法模型中，获得所述bagging算法模型输出的需监测温度预测值；
计算所述需监测温度数据值与所述需监测温度预测值的差值；
根据所述差值与训练好的置信区间的关系检测所述配电柜。
2.根据权利要求1所述的配电柜检测方法，其特征在于：所述置信区间的训练过程为
获取配电柜温度的历史数据；
将所述历史数据中的普通温度数据值作为训练集，输入训练好的bagging算法模型中，得到bagging算法模型输出的需监测温度预测值的集合；
计算与普通温度数据值对应的需监测温度数据值与需监测温度预测值的差值，获得差值集合；
由所述差值集合计算平均值以及与平均值对应的标准差；
根据所述平均值和所述标准差建立置信区间。
3.根据权利要求2所述的配电柜检测方法，其特征在于：所述置信区间为
4.根据权利要求1或2所述的配电柜检测方法，其特征在于：所述bagging算法模型的训练过程包括
获取配电柜温度的历史数据；
将配电柜温度的历史数据作为训练集，将所述训练集中的普通温度数据值作为输入值，并将所述需监测温度数据值作为输出值；
从训练集中进行有放回的t次抽样；
针对每一次抽样结果，使用决策树算法进行训练，得到一个弱的假设模型；
针对已知普通温度数据值的新样本s，每一个假设模型均能够得到一个预测输出值，得票最高的预测输出值即为该新样本s的需监测温度预测值。
5.一种配电柜检测装置，其特征在于：包括
第一获取模块，用于获得配电柜温度数据值；
分配模块，用于将所述配电柜温度数据值划分为普通温度数据值和需监测温度数据值；
第一计算模块，用于将所述普通温度数据值输入已经训练好的bagging算法模型中，获得所述bagging算法模型输出的需监测温度预测值；
第二计算模块，用于计算所述需监测温度数据值与所述需监测温度预测值的差值；
检测模块，用于根据所述差值与训练好的置信区间的关系检测所述配电柜。
6.根据权利要求5所述的配电柜检测装置，其特征在于：所述装置还包括
第二获取模块，用于获取配电柜温度的历史数据；
第一训练模块，用于将所述历史数据中的普通温度数据值作为训练集，输入训练好的bagging算法模型中，得到bagging算法模型输出的需监测温度预测值的集合；
第三计算模块，用于计算与普通温度数据值对应的需监测温度数据值与需监测温度预测值的差值，获得差值集合；
第四计算模块，用于由所述差值集合计算平均值以及与平均值对应的标准差；
建立模块，用于根据所述平均值和所述标准差建立置信区间。
7.根据权利要求5所述的配电柜检测装置，其特征在于：所述装置还包括
第三获取模块，用于获取配电柜温度的历史数据；
第二训练模块，用于将配电柜温度的历史数据作为训练集，将所述训练集中的普通温度数据值作为输入值，并将所述需监测温度数据值作为输出值；
抽样模块，用于从训练集中进行有放回的t次抽样；
获得模块，用于针对每一次抽样结果，使用决策树算法进行训练，得到一个弱的假设模型；
第五计算模块，用于针对已知普通温度数据值的新样本s，每一个假设模型均能够得到一个预测输出值，得票最高的预测输出值即为该新样本s的需监测温度预测值。