1.一种暂态电能质量录波数据的识别分类方法，其特征在于，包括以下步骤：
获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据；
将所述数据变换成模时频矩阵，并提取所述模时频矩阵的特征向量；
根据所述特征向量，建立基于BP神经网络的电能质量录波数据的分类器；
建立训练样本和测试样本，其中，所述训练样本由所述训练数据的训练特征向量和期望训练分类组成，所述测试样本由所述测试数据的测试特征向量和期望测试分类组成；
将所述训练样本输入所述分类器，采用PSO算法优化所述分类器的BP神经网络，得到基于PSO-BP神经网络的电能质量录波数据的优化分类器；
将所述测试特征向量输入所述优化分类器，并接收所述优化分类器输出的测试分类；
判断所述测试分类与所述期望测试分类是否一致；
当所述测试分类与所述期望测试分类一致时，输出测试分类。
2.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述暂态电能质量录波数据的识别分类方法，还包括：
当所述测试分类与所述期望测试分类不一致时，将所述测试样本作为错误样本；
将所述错误样本并入所述训练样本、并作为训练样本集中的一个训练样本。
3.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据，包括：
获取实时电能质量录波数据；
由所述实时电能质量录波数据中随机选择训练数据；
将所述实时电能质量录波数据作为测试数据。
4.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据，包括：
获取实时电能质量录波数据和获取数据库中历史电能质量录波数据；
由所述实时电能质量录波数据和/或所述历史电能质量录波数据中随机选择训练数据；
将所述实时电能质量录波数据作为测试数据。
5.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述获取电能质量录波数据，并在所述数据中筛选训练数据和测试数据，包括：
基于MATLAB软件仿真生成仿真数据，其中，所述仿真数据包括电压暂降数据、电压暂升数据、电压中断数据、暂态振荡数据和暂态脉冲数据；
获取所述仿真数据和实时电能质量录波数据；
将所述仿真数据作为训练数据；
将所述实时电能质量录波数据作为测试数据。
6.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述将所述数据变换成模时频矩阵，并提取特征向量，包括：
将所述数据变换成模时频矩阵，得到初始特征向量；
计算所述初始特征向量的相关系数，对所述初始特征向量进行筛选，得到特征向量。
7.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述将所述数据变换成模时频矩阵，并提取特征向量，包括：
对所述数据进行等间隔时间采样，得到离散时间数据；
将所述离散时间数据变换成复时频矩阵；
将所述复时频矩阵中各个元素进行求模运算，得到模时频矩阵；
根据所述模时频矩阵，构建时频特性曲线P，其中，所述时频特性曲线P包括时频等高线P1、时间幅值包络曲线P2、频率幅值包络曲线P3和频率标准差曲线P4；
根据所述时频特性曲线P，提取数据特征以构建特征向量F，其中，所述特征向量F＝[F1，F2，F3，F4，F5，F6，F7，F8]，其中，F1为P1中最高频率等高线幅值的均方差；F2为P1中最高频率等高线幅值的平均值；F3为P2中的平均能量；F4为P2中的幅值因数；F5为八倍基波频率所对应的时间幅值曲线均方差；F6为八倍基波频率所对应的时间幅值曲线极值差；F7为P3的均方差；F8为P4的平方根的平均值。
8.根据权利要求1所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述采用PSO算法优化所述分类器的BP神经网络，包括：
先通过PSO算法对所述BP神经网络的输入层到隐含层连接权值、隐含层到输出层连接权值、隐含层阈值和输出层阈值进行寻优赋值；
再采用BP算法对寻优赋值的输入层到隐含层连接权值、隐含层到输出层连接权值、隐含层阈值和输出层阈值进行训练。
9.根据权利要求3或4任一项所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述建立训练样本和测试样本，包括：
获取所述训练数据的训练特征向量，以及，所述测试数据的测试特征向量；
在数据库中筛选与所述训练数据匹配度最高的数据的分类作为期望训练分类，以及，与所述测试数据匹配度最高的数据的分类作为测试训练分类；
将所述训练特征向量和期望训练分类组成训练样本，以及，所述测试特征向量和期望测试分类组成测试样本。
10.根据权利要求5所述的暂态电能质量录波数据的识别分类方法，其特征在于，所述建立训练样本和测试样本，包括：
获取所述训练数据的训练特征向量；
将所述训练数据对应的仿真数据分类作为期望训练分类；
将所述训练特征向量和期望训练分类组成训练样本；
获取所述测试数据的测试特征向量；
在数据库中筛选与所述测试数据匹配度最高的数据的分类作为测试训练分类；
将所述测试特征向量和期望测试分类组成测试样本。