1.一种电力信息网络关键信息传输链路识别方法，其特征在于，所述方法步骤为：S1：将电力设备作为图节点，输出的时序数据传输路线作为图链路，得到对应的电力信息系统网络图；

S2：根据电力信息系统网络图获得相应邻接矩阵；

S3：对邻接矩阵进行低秩分解，得到低秩分解模型，并利用低秩分解模型对图链路去噪；

S4：采用社团检测方法求电力信息网络的潜在特征的数量k；

S5：将低秩分解模型的输出作为非负矩阵分解模型的输入，得到第一非负分解矩阵Wn×k和第二非负分解矩阵Hk×n；通过第一非负分解矩阵Wn×k和第二非负分解矩阵Hk×n计算图链路的相似性矩阵Q；

S6：重复步骤S3‑S5 R次，得到R个相似性矩阵Q，然后将每个Q叠加得到最后的相似性矩* *阵Q，通过相似性矩阵Q对应元素的数值得到每一条链路的相似性得分，根据相似性得分输出所述电力信息系统网络图的真实规则链路，从而获得关键信息传输路线，其中，R为矩阵分解的总次数；

S7：用不同颜色标记出关键信息传输路线；

其中，Wn×k和Hk×n中的n为图链路相连节点个数，Wn×k为第一非负分解矩阵，表示图链路相连节点个数n与电力信息网络的潜在特征数量k的关系，Hk×n为第二非负分解矩阵，表示电力信息网络的潜在特征数量k与图链路相连节点个数n的关系。

2.根据权利要求1所述的一种电力信息网络关键信息传输链路识别方法，其特征在于，获得相应邻接矩阵的方法包括：用电力信息系统网络图中的节点的个数来作为邻接矩阵的大小，若两节点之间存在连接关系，其对应的矩阵元素写1，否则为0。

3.根据权利要求1所述的一种电力信息网络关键信息传输链路识别方法，其特征在于，所述步骤S3包括：S301：通过矩阵的初等变换把邻接矩阵转化为阶梯矩阵；

S302：通过阶梯矩阵求得邻接矩阵的低秩；

S303：通过求得的低秩对邻接矩阵进行低秩分解得到低秩分解模型；

S304：对图链路去噪X＝XZ+E，得到去噪后的图链路矩阵XZ；其中X代表邻接矩阵，E代表电力系统中的噪声矩阵，XZ代表去噪后的图链路矩阵，Z代表规律性电力数据网络结构矩阵。

4.根据权利要求1所述的一种电力信息网络关键信息传输链路识别方法，其特征在于：所社团检测方法采用的是社团检测终端Louvian算法，即通过对电力信息网络以局部优化的方式来寻找“小型”社团；对同一社团的节点进行聚合，构建以社团为节点的新网络；重复上述流程直到达到最大的电力信息网络模块，最大的电力信息网络模块内的节点数量就是潜在特征数量。

5.根据权利要求1所述的一种电力信息网络关键信息传输链路识别方法，其特征在于，所述步骤S5包括：S501：计算低秩分解模型输出的矩阵S，即S＝XZ；其中X代表邻接矩阵，Z代表规律性电力数据网络结构矩阵；

S502：将低秩分解模型的输出矩阵S输入到非负矩阵分解模型中，得到两个非负分解矩阵，其分解的表达式为S＝Wn×k×Hk×n；

S503：根据第一非负分解矩阵Wn×k和第二非负分解矩阵Hk×n计算图链路的相似性矩阵Q＝Wn×k*Hk×n。

6.根据权利要求1所述的一种电力信息网络关键信息传输链路识别方法，其特征在于，步骤6中对R个相似性矩阵进行叠加的表达式为：(r) (r)

其中，W 为对第一非负分解矩阵Wn×k进行第r次独立分解所获得的矩阵，H 为对第二非负分解矩阵Hk×n进行第r次独立分解所获得的矩阵，r为独立分解进行的次数。

7.根据权利要求6所述的一种电力信息网络关键信息传输链路识别方法，其特征在于，第一非负分解矩阵进行r次独立分解时，每进行一次独立分解，第一非负分解矩阵Wn×k发生变化，更新的公式为：其中，i和k表示矩阵W的第i行k列，A表示邻接矩阵，T表示矩阵的转置。

8.根据权利要求6所述的一种电力信息网络关键信息传输链路识别方法，其特征在于，第二非分解负矩阵进行r次独立分解时，每进行一次独立分解，第二非负分解矩阵Hk×n发生变化，更新的公式为：其中，j和k表示矩阵H的第j行k列，A表示邻接矩阵，T表示矩阵的转置。

9.一种电力信息网络关键信息传输链路识别系统，其特征在于，所述系统包括：电力信息获取模块， 将电力设备作为图节点，输出的时序数据传输路线作为图链路，得到对应的电力信息系统网络图；

电力信息网络传输链路生成模块，根据电力信息系统网络图获取电力信息网络传输链路的邻接矩阵；

传输链路数据处理模块，用于对邻接矩阵进行处理，计算出每一条链路的相似性得分，并将每一条链路的相似性得分进行叠加；

传输链路数据判断模块，用于判断相似性得分的高低，得分高的为关键信息传输链路，得分低的为普通传输链路；

传输链路显示模块，在电力信息系统网络图中用不同颜色标记关键信息传输链路，并输出标记后的电力信息系统网络图；

所述传输链路数据处理模块包括对邻接矩阵进行低秩分解，并将低秩分解的输出进行R次非负矩阵分解，得到R组非负分解矩阵，每组非负分解矩阵中有两个非负分解矩阵，通过R组非负分解矩阵求得图链路的相似性矩阵；

所述传输链路数据判断模块包括设置一个阈值m，通过判断图链路的相似性矩阵中的每个元素与m的大小来判断传输链路的相似性得分高低。