1.一种智慧城市充电桩节点故障报警方法，其特征在于，包括：监控充电桩的运行状态，并根据所述运行状态判断所述充电桩是否发生故障；

响应于所述充电桩发生故障，根据所述充电桩的位置生成故障工单，并将所述故障工单发送至所述充电桩所属的管理人员的管理人员客户端；

接收所述管理人员客户端发送的重启指令；

根据所述重启指令判断所述充电桩是否在进行离线充电；以及响应于所述充电桩没有进行离线充电，根据所述重启指令对所述充电桩进行重启操作；

其中，所述监控充电桩的运行状态，并根据所述运行状态判断所述充电桩是否发生故障，包括：获取由电压计采集的所述充电桩在预定时间段内多个预定时间点的电压值；

获取由电流计采集的所述充电桩在预定时间段内多个预定时间点的电流值；

获取由温度传感器采集的所述充电桩在预定时间段内多个预定时间点的温度值；

对所述多个预定时间点的电压值、所述多个预定时间点的电流值和所述多个预定时间点的温度值进行联合参数关联编码以得到融合温度信息的电压-电流全时域关联特征图；以及基于所述融合温度信息的电压-电流全时域关联特征图，确定所述充电桩是否发生故障；

其中，对所述多个预定时间点的电压值、所述多个预定时间点的电流值和所述多个预定时间点的温度值进行联合参数关联编码以得到融合温度信息的电压-电流全时域关联特征图，包括：构建所述多个预定时间点的电压值和所述多个预定时间点的电流值之间的关联关系以得到电压-电流关联矩阵；

将所述多个预定时间点的温度值进行数据结构化处理以得到温度时序输入向量；以及融合所述电压-电流关联矩阵和所述温度时序输入向量以得到所述融合温度信息的电压-电流全时域关联特征图；

其中，构建所述多个预定时间点的电压值和所述多个预定时间点的电流值之间的关联关系以得到电压-电流关联矩阵，包括：将所述多个预定时间点的电压值和所述多个预定时间点的电流值分别按照时间维度排列为电压时序输入向量和电流时序输入向量；以及计算所述电压时序输入向量和所述电流时序输入向量之间的所述电压-电流关联矩阵；

其中，将所述多个预定时间点的温度值进行数据结构化处理以得到温度时序输入向量，包括：将所述多个预定时间点的温度值按照时间维度排列为所述温度时序输入向量；

其中，融合所述电压-电流关联矩阵和所述温度时序输入向量以得到所述融合温度信息的电压-电流全时域关联特征图，包括：将所述电压-电流关联矩阵和所述温度时序输入向量通过基于MetaNet模块的运行参数交融模块以得到所述融合温度信息的电压-电流全时域关联特征图；

其中，将所述电压-电流关联矩阵和所述温度时序输入向量通过基于MetaNet模块的运行参数交融模块以得到所述融合温度信息的电压-电流全时域关联特征图，包括：将所述温度时序输入向量通过点卷积层以得到第一卷积特征向量；

将所述第一卷积特征向量通过基于ReLU函数的修正线性单元以得到第一修正卷积特征向量；

将所述第一修正卷积特征向量通过点卷积层以得到第二卷积特征向量；

将所述第二卷积特征向量通过基于Sigmoid函数的修正线性单元以得到第二修正卷积特征向量；

将所述电压-电流关联矩阵通过CNN模型以得到高维隐含特征图；以及融合所述第二修正卷积特征向量与所述高维隐含特征图以得到所述融合温度信息的电压-电流全时域关联特征图；

其中，基于所述融合温度信息的电压-电流全时域关联特征图，确定所述充电桩是否发生故障，包括：将所述融合温度信息的电压-电流全时域关联特征图通过分类器以得到分类结果，所述分类结果用于表示所述充电桩是否发生故障；

其中，还包括训练步骤：对所述基于MetaNet模块的运行参数交融模块和所述分类器进行训练；

其中，所述训练步骤，包括：

获取训练数据，所述训练数据包括由电压计采集的所述充电桩在预定时间段内多个预定时间点的训练电压值、由电流计采集的所述充电桩在预定时间段内多个预定时间点的训练电流值、由温度传感器采集的所述充电桩在预定时间段内多个预定时间点的训练温度值，以及，所述充电桩是否发生故障的真实值；

将所述多个预定时间点的训练电压值和所述多个预定时间点的训练电流值分别按照时间维度排列为训练电压时序输入向量和训练电流时序输入向量；

计算所述训练电压时序输入向量和所述训练电流时序输入向量之间的训练电压-电流关联矩阵；

将所述多个预定时间点的训练温度值按照时间维度排列为训练温度时序输入向量；

将所述训练电压-电流关联矩阵和所述训练温度时序输入向量通过基于所述MetaNet模块的运行参数交融模块以得到融合温度信息的训练电压-电流全时域关联特征图；

将所述融合温度信息的训练电压-电流全时域关联特征图通过分类器以得到分类损失函数值；以及以所述分类损失函数值来对所述基于MetaNet模块的运行参数交融模块和所述分类器进行训练，其中，在所述训练的每一轮迭代中，对所述融合温度信息的训练电压-电流全时域关联特征图展开后得到的融合温度信息的训练电压-电流全时域关联特征向量进行基于类度矩阵正则化的权重空间探索约束迭代；

其中，在所述训练的每一轮迭代中，对所述融合温度信息的训练电压-电流全时域关联特征图展开后得到的融合温度信息的训练电压-电流全时域关联特征向量进行基于类度矩阵正则化的权重空间探索约束迭代，包括：以如下优化公式对所述融合温度信息的训练电压-电流全时域关联特征图展开后得到的融合温度信息的训练电压-电流全时域关联特征向量进行基于类度矩阵正则化的权重空间探索约束迭代；

其中，所述优化公式为：

2.一种智慧城市充电桩节点故障报警系统，使用如权利要求1所述的智慧城市充电桩节点故障报警方法，其特征在于，包括：运行状态监控模块，用于监控充电桩的运行状态，并根据所述运行状态判断所述充电桩是否发生故障；

故障工单发送模块，用于响应于所述充电桩发生故障，根据所述充电桩的位置生成故障工单，并将所述故障工单发送至所述充电桩所属的管理人员的管理人员客户端；

重启指令接收模块，用于接收所述管理人员客户端发送的重启指令；

离线充电判断模块，用于根据所述重启指令判断所述充电桩是否在进行离线充电；以及重启操作控制模块，用于响应于所述充电桩没有进行离线充电，根据所述重启指令对所述充电桩进行重启操作。