1.一种电力设备局部放电脉冲信号监测方法，其特征在于，所述方法包括：

获取监测区域内的多个高压装置电流脉冲检测器反馈的监测数据，所述监测数据包括电力设备的电流脉冲数据、设备类型和位置编码，所述高压装置电流脉冲检测器设于监测区域内的多个不同类别的电力设备上，用以检测该电力设备发生局部放电现象时的电流脉冲信息，所述设备类型用于标识电力设备的具体产品类别，所述位置编码用于反映电力设备在监测区域内的具体位置信息；

提取每个电力设备监测数据中的电流脉冲数据的波形特征，并对所述波形特征进行去噪处理，所述波形特征包括波形出现时间、波形幅值和波形的频域，所述去噪处理为去除电流脉冲数据中的脉冲干扰数据；

将去噪后的所述波形特征输入到与其设备类型相对应的声噪评估模型中，得到每个电力设备监测数据对应的模拟分贝值，所述声噪评估模型为通过历史波形特征与噪音大小的映射数据训练得到的神经网络模型，所述声噪评估模型根据电流脉冲数据中的波形幅值和频域，分析对应电力设备产生的噪音信息；

基于每个所述电力设备监测数据中的位置编码和对应的所述模拟分贝值，通过距离类的加权叠加算法，计算得到监测区域内多个电力设备因局部放电产生的噪音模拟分布图，所述噪音模拟分布图用于模拟当前监测区域内电力设备因局部放电产生的噪音分布情况；

其中，所述对所述波形特征进行去噪处理，包括：

获取所述电流脉冲数据的波形特征，所述波形特征包括局部放电信号波形特征和脉冲干扰信号波形特征；

通过波形筛选模型，剔除所述波形特征中的脉冲干扰信号波形特征，得到仅反应局部放电信息的波形特征；

其中，所述波形筛选模型的特征筛选通过参数为：波峰数量小于预设数量阈值、第一个波峰为最高波峰、脉冲周期小于预设脉冲周期阈值和脉冲起点到第一个波峰的上升沿时间小于预设上升沿阈值，所述波形特征满足上述特征中的任意三条，则认定为局部放电信息的波形特征。

2.根据权利要求1所述的电力设备局部放电脉冲信号监测方法，其特征在于，所述将去噪后的所述波形特征输入到与其设备类型相对应的声噪评估模型中之前，还包括：按照设备的类型分别构建每种类型的设备对应的声噪评估模型；

其中，构建一个设备类型的声噪评估模型，包括：

获取设备的训练数据，所述训练数据包括同一类电力设备在不同电压级别和工频周期内产生局部放电时的脉冲信号波形图和对应的声音信息，该脉冲信号波形图用于表征局部放电信号对应的波形特征，所述声音信息为实验环境下通过声音检测装置采集的数据；

基于所述训练数据训练构建的BP神经网络模型，以使其学习不同脉冲信号波形特征对应的声音信息；

将训练好的BP神经网络模型记为声噪评估模型，并标记其对应的设备类型。

3.根据权利要求1所述的电力设备局部放电脉冲信号监测方法，其特征在于，所述计算得到监测区域内多个电力设备因局部放电产生的噪音模拟分布图之后，还包括：基于所述噪音模拟分布图评估噪音等级，并在所述噪音等级大于预设最大噪音阈值的情况下，基于监测区域内的多个高压装置的连接布局图和所述噪音模拟分布图，通过蚁群算法分析得到最优电力调度方案和在最优电力调度方案下的噪音模拟分布图，所述连接布局图反应当前监测区域内的多个高压装置之间的连接关系、电流和电压值；

将所述最优电力调度方案和在最优电力调度方案下的噪音模拟分布图发送至电力控制操作中心。

4.一种电力设备局部放电脉冲信号监测装置，其特征在于，所述装置包括：

获取模块，用于获取监测区域内的多个高压装置电流脉冲检测器反馈的监测数据，所述监测数据包括电力设备的电流脉冲数据、设备类型和位置编码，所述高压装置电流脉冲检测器设于监测区域内的多个不同类别的电力设备上，用以检测该电力设备发生局部放电现象时的电流脉冲信息，所述设备类型用于标识电力设备的具体产品类别，所述位置编码用于反映电力设备在监测区域内的具体位置信息；

提取模块，用于提取每个电力设备监测数据中的电流脉冲数据的波形特征，并对所述波形特征进行去噪处理，所述波形特征包括波形出现时间、波形幅值和波形的频域，所述去噪处理为去除电流脉冲数据中的脉冲干扰数据；

分贝评估模块，用于将去噪后的所述波形特征输入到与其设备类型相对应的声噪评估模型中，得到每个电力设备监测数据对应的模拟分贝值，所述声噪评估模型为通过历史波形特征与噪音大小的映射数据训练得到的神经网络模型，所述声噪评估模型根据电流脉冲数据中的波形幅值和频域，分析对应电力设备产生的噪音信息；

模拟模块，用于基于每个所述电力设备监测数据中的位置编码和对应的所述模拟分贝值，通过距离类的加权叠加算法，计算得到监测区域内多个电力设备因局部放电产生的噪音模拟分布图，所述噪音模拟分布图用于模拟当前监测区域内电力设备因局部放电产生的噪音分布情况；

其中，所述提取模块，还包括：

第一获取单元，用于获取所述电流脉冲数据的波形特征，所述波形特征包括局部放电信号波形特征和脉冲干扰信号波形特征；

剔除单元，用于通过波形筛选模型，剔除所述波形特征中的脉冲干扰信号波形特征，得到仅反应局部放电信息的波形特征；

其中，所述波形筛选模型的特征筛选通过参数为：波峰数量小于预设数量阈值、第一个波峰为最高波峰、脉冲周期小于预设脉冲周期阈值和脉冲起点到第一个波峰的上升沿时间小于预设上升沿阈值，所述波形特征满足上述特征中的任意三条，则认定为局部放电信息的波形特征。

5.根据权利要求4所述的电力设备局部放电脉冲信号监测装置，其特征在于，所述分贝评估模块，还包括：模型构建单元，用于按照设备的类型分别构建每种类型的设备对应的声噪评估模型；

其中，模型构建单元，还包括：

获取子单元，用于获取设备的训练数据，所述训练数据包括同一类电力设备在不同电压级别和工频周期内产生局部放电时的脉冲信号波形图和对应的声音信息，该脉冲信号波形图用于表征局部放电信号对应的波形特征，所述声音信息为实验环境下通过声音检测装置采集的数据；

训练子单元，用于基于所述训练数据训练构建的BP神经网络模型，以使其学习不同脉冲信号波形特征对应的声音信息；

标记子单元，用于将训练好的BP神经网络模型记为声噪评估模型，并标记其对应的设备类型。

6.根据权利要求4所述的电力设备局部放电脉冲信号监测装置，其特征在于，所述装置，还包括：电力调度模块，用于基于所述噪音模拟分布图评估噪音等级，并在所述噪音等级大于预设最大噪音阈值的情况下，基于监测区域内的多个高压装置的连接布局图和所述噪音模拟分布图，通过蚁群算法分析得到最优电力调度方案和在最优电力调度方案下的噪音模拟分布图，所述连接布局图反应当前监测区域内的多个高压装置之间的连接关系、电流和电压值；

发送模块，用于将所述最优电力调度方案和在最优电力调度方案下的噪音模拟分布图发送至电力控制操作中心。

7.一种电子设备，其特征在于，包括：

存储器，用于存放计算机程序；

处理器，用于在执行存储器上所存放的程序时，实现权利要求1‑3任一所述的方法步骤。

8.一种介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1‑3任一所述的方法步骤。