1.一种光伏逆变器的热故障识别方法，其特征在于，包括：
2.根据权利要求1所述的光伏逆变器的热故障识别方法，其特征在于，将离散红外图通过二维变分模态分解方法分解得到m个二维解析信号估计带宽之和最小的模态函数，包括：
3.根据权利要求2所述的光伏逆变器的热故障识别方法，其特征在于，通过admm算法交替在频域更新模态函数、中心频率和拉格朗日乘子，找到满足目标函数的鞍点，过程包括：
4.根据权利要求1所述的光伏逆变器的热故障识别方法，其特征在于，第个模态函数的波动量：；
5.根据权利要求1所述的光伏逆变器的热故障识别方法，其特征在于，所述热故障模型包括：
6.根据权利要求5所述的光伏逆变器的热故障识别方法，其特征在于，深度缩放层包含层归一化和若干卷积层；层归一化按顺序应用于特征的通道，接下来的卷积层逐渐扩大通道维度。
7.根据权利要求5所述的光伏逆变器的热故障识别方法，其特征在于，引入senet层的convnext块包括一个逐深度卷积层，逐深度卷积层独立处理每个输入特征的通道，随后，是senet层和层归一化，通过senet层选择性地强调重要通道并减少不相关的通道来优化通道特征，在层归一化之后，采用两个逐点卷积层：第一个逐点卷积层将特征的通道维度扩展了四倍，第二逐点卷积层将特征的通道恢复到原始大小，两个逐点卷积层转换了通道特征表示，两个逐点卷积层之间设置gelu激活函数，并且还利用可学习的缩放参数来根据特征的显着性调整输出；引入senet层的convnext块还集成了残差连接和dropout，分别促进信息流动和减轻过拟合。
8.根据权利要求5所述的光伏逆变器的热故障识别方法，其特征在于，senet层包括：全局平均池化层，然后是具有relu激活函数的第一个全连接层和具有sigmoid激活函数的第二个全连接层，senet层能够动态地关注特征通道中最相关的特征，通过强调显著特征并抑制较小特征，并通过relu激活函数和sigmoid激活函数引入非线性。
9.一种光伏逆变器的热故障识别装置，其特征在于，包括：至少一处理单元，所述处理单元通过总线单元连接存储单元和采集单元，所述采集单元采集光伏逆变器的离散红外图和对应rgb图，所述存储单元存储计算机程序，所述计算机程序被所述处理单元执行时，实现如权利要求1-8任一所述的光伏逆变器的热故障识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8任一项所述的光伏逆变器的热故障识别方法。