1.一种局部放电模式识别方法，其特征在于，包括：
建立典型局部放电模型，并获取各模型的局部放电信号；
根据所述各模型的局部放电信号构建各模型的高维随机矩阵；
根据所述各模型的高维随机矩阵的特征根的谱分布特性构建知识库；
基于所述知识库，采用邻近算法确定待识别局部放电信号的模式。
2.根据权利要求1所述的方法，其特征在于，所述谱分布特性包括所述各模型的高维随机矩阵的特征根的谱分布圆环的平均谱半径。
3.根据权利要求2所述的方法，其特征在于，基于所述知识库，采用邻近算法确定待识别局部放电信号的模式，包括：
从所述知识库中采用欧式距离算法选取与所述待识别局部放电信号的平均谱半径最近的K个局部放电信号；
确定所述K个局部放电信号中多数局部放电信号的模式，得到所述待识别局部放电信号的模式。
4.根据权利要求1所述的方法，其特征在于，建立典型局部放电模型，并获取各模型的局部放电信号，包括：
建立典型局部放电模型，并使用超高频传感器获取各模型的局部放电信号。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述典型局部放电模型包括：板板放电模型、悬浮电极放电模型、气隙放电模型、高压沿面放电模型、电晕放电模型和油隙放电模型。
6.一种局部放电模式识别装置，其特征在于，包括：
获取模块，用于建立典型局部放电模型，并获取各模型的局部放电信号；
第一构建模块，用于根据所述各模型的局部放电信号构建各模型的高维随机矩阵；
第二构建模块，用于根据所述各模型的高维随机矩阵的特征根的谱分布特性构建知识库；
确定模块，用于基于所述知识库，采用邻近算法确定待识别局部放电信号的模式。
7.根据权利要求6所述的装置，其特征在于，所述谱分布特性包括所述各模型的高维随机矩阵的特征根的谱分布圆环的平均谱半径。
8.根据权利要求7所述的装置，其特征在于，所述确定模块，包括：
选取模块，用于从所述知识库中采用欧式距离算法选取与所述待识别局部放电信号的平均谱半径最近的K个局部放电信号；
确定子模块，用于确定所述K个局部放电信号中多数局部放电信号的模式，得到所述待识别局部放电信号的模式。
9.根据权利要求6所述的装置，其特征在于，所述获取模块的具体实施包括：
建立典型局部放电模型，并使用超高频传感器获取各模型的局部放电信号。
10.根据权利要求6-9任一项所述的装置，其特征在于，所述典型局部放电模型包括：板板放电模型、悬浮电极放电模型、气隙放电模型、高压沿面放电模型、电晕放电模型和油隙放电模型。