1.一种基于伏安特性曲线图像识别的配电网高阻故障辨识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于伏安特性曲线图像识别的配电网高阻故障辨识方法，其特征在于，所述馈线数据包括馈线的三相电压和/或电流信号的暂态录波数据和馈线的零序电压和/或电流信号的暂态录波数据；
3.根据权利要求1或2所述的基于伏安特性曲线图像识别的配电网高阻故障辨识方法，其特征在于，在获取配电网馈线数据之前，所述方法还包括：
4.根据权利要求3所述基于伏安特性曲线图像识别的配电网高阻故障辨识方法，其特征在于，所述故障样本集为基于不同高阻故障原因产生的类不平衡样本集，其中所述高阻故障原因包括触树类故障、动物类故障和/或砂石类故障；
5.根据权利要求3所述的基于伏安特性曲线图像识别的配电网高阻故障辨识方法，其特征在于，所述故障样本数据包括馈线样本的三相电压和/或电流信号的暂态录波数据，和馈线样本的零序电压和/或电流信号的暂态录波数据；
6.根据权利要求3所述基于伏安特性曲线图像识别的配电网高阻故障辨识方法，其特征在于，所述原始识别模型采用预训练的深度学习网络架构，其输入层构造为伏安特性曲线图像构建层，输出层构造为故障识别结果输出层。
7.根据权利要求3所述基于伏安特性曲线图像识别的配电网高阻故障辨识方法，其特征在于，所述馈线数据和所述故障样本数据为获取自馈线首端的数据；
8.一种基于伏安特性曲线图像识别的配电网高阻故障辨识装置，其特征在于，所述配电网高阻故障辨识装置包括：
9.根据权利要求8所述的基于伏安特性曲线图像识别的配电网高阻故障辨识装置，其特征在于，所述配电网高阻故障辨识装置还包括：
10.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至7任一项所述的基于伏安特性曲线图像识别的配电网高阻故障辨识方法。