1.一种光伏阵列工作状态的确定方法，其特征在于，所述方法包括：
获取光伏阵列中包含的光伏组串的当前输出电流值，所述光伏阵列中包括至少两个并联的所述光伏组串；
根据所述当前输出电流值确定目标异常分值预测模型，其中，不同异常分值预测模型对应不同特征电流值范围，所述异常分值预测模型根据所述光伏阵列的历史输出电流值训练得到；
将所述当前输出电流值输入所述目标异常分值预测模型，确定所述光伏阵列对应的当前异常分值；
将所述当前异常分值与目标异常分值进行对比，确定所述光伏阵列的工作状态，其中，不同异常分值预测模型对应不同异常分值，所述异常分值为将所述历史输出电流值输入所述异常分值训练模型后得到。
2.根据权利要求1所述的方法，其特征在于，所述将所述当前异常分值与目标异常分值进行对比，确定所述光伏阵列的工作状态，包括：
响应于所述当前异常分值小于等于所述目标异常分值，确定所述光伏阵列的工作状态为正常；
响应于所述当前异常分值大于所述目标异常分值，获取n个连续采样时刻对应的所述当前异常分值，n为大于等于1的整数；
响应于至少存在m个连续采样时刻对应的所述当前异常分值大于所述目标异常分值，确定所述光伏阵列的工作状态为异常，m为大于等于1的整数，且m小于等于n。
3.根据权利要求2所述的方法，其特征在于，所述确定所述光伏阵列的工作状态为异常之后，所述方法还包括：
从所述m个连续采样时刻对应的所述当前输出电流值中，确定出最小输出电流值；
将所述最小输出电流值对应的所述光伏组串确定为异常光伏组串。
4.根据权利要求1至3任一所述的方法，其特征在于，所述根据所述当前输出电流值确定目标异常分值预测模型，包括：
根据电流阈值对所述当前输出电流值进行筛选，得到筛选后的当前输出电流值，所述电流阈值由所述光伏阵列的历史工作状态数据确定，所述历史工作状态数据包括所述光伏组串的所述历史输出电流值、所述光伏组串对应的历史辐照度、所述光伏组串所处环境的历史环境温度和历史风速，且所述筛选后的当前输出电流值小于等于所述电流阈值；
将所述筛选后的当前输出电流值中的k百分位数，确定为所述当前特征电流值，k为大于等于50的整数，所述当前特征电流值表征所述光伏阵列当前采集时刻对应的当前电流特征；
根据所述当前特征电流值，确定所述目标异常分值预测模型，所述当前特征电流值位于所述目标异常分值预测模型对应的目标特征电流值范围内。
5.根据权利要求4所述的方法，其特征在于，所述获取光伏阵列中包含的光伏组串的当前输出电流值之前，所述方法还包括：
获取预设时间段内所述光伏阵列的所述历史工作状态数据；
根据最大辐照度、最大风速和最高环境温度，计算所述光伏阵列对应的光伏组件温度，所述最大辐照度由所述历史辐照度确定，所述最高环境温度由所述历史环境温度确定，所述最大风速由所述历史风速确定；
根据所述光伏组件温度和所述最大辐照度，计算所述光伏阵列对应的第一最大输出电流值，所述第一最大输出电流值为所述光伏组串在所述最大辐照度情况下输出电流的电流值；
根据额定装机容量和最大系统电压，计算所述光伏阵列对应的第二最大输出电流值，所述额定装机容量为汇流箱的额定功率，所述汇流箱与所述光伏阵列相连，所述最大系统电压为逆变器的系统电压，所述逆变器与所述汇流箱相连，所述第二最大输出电流值为所述汇流箱允许所述光伏组串输入的最大电流的电流值；
将所述第一最大输出电流值和所述第二最大输出电流值中的最小值，确定为所述电流阈值。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述电流阈值对所述历史输出电流值进行筛选，得到筛选后的历史输出电流值，其中，所述筛选后的历史输出电流值小于等于所述电流阈值；
根据所述筛选后的历史输出电流值，确定历史特征电流值，所述历史特征电流值表征所述光伏阵列各个采集时刻对应的历史电流特征；
根据所述历史特征电流值对所述筛选后的历史输出电流值进行划分，确定至少一个训练样本，其中，不同训练样本包含的所述历史输出电流值对应不同特征电流值范围，所述特征电流值范围根据所述历史特征电流值确定；
根据所述训练样本训练所述异常分值预测模型。
7.根据权利要求6所述方法，其特征在于，所述异常分值预测模型采用孤立森林isolationforest算法，所述异常分值预测模型中包含s个二叉树，s为大于等于1的整数；
所述根据所述训练样本训练所述异常分值预测模型之后，所述方法还包括：
将所述训练样本分别输入所述s个二叉树中，得到所述训练样本对应的s个路径长度；
根据所述s个路径长度，计算所述训练样本对应的所述异常分值。
8.一种光伏阵列工作状态的确定装置，其特征在于，所述装置包括：
第一获取模块，用于获取光伏阵列中包含的光伏组串的当前输出电流值，所述光伏阵列中包括至少两个并联的所述光伏组串；
第一确定模块，用于根据所述当前输出电流值确定目标异常分值预测模型，其中，不同异常分值预测模型对应不同特征电流值范围，所述异常分值预测模型根据所述光伏阵列的历史输出电流值训练得到；
第二确定模块，用于将所述当前输出电流值输入所述目标异常分值预测模型，确定所述光伏阵列对应的当前异常分值；
第三确定模块，用于将所述当前异常分值与目标异常分值进行对比，确定所述光伏阵列的工作状态，其中，不同异常分值预测模型对应不同异常分值，所述异常分值为将所述历史输出电流值输入所述异常分值训练模型后得到的。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的光伏阵列工作状态的确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的光伏阵列工作状态的确定方法。