1.一种电力系统Well‑being的评估方法，其特征在于，包括：迭代计算出针对风险指标PR的元件失效的最优分布参数vR；

迭代计算出针对临界指标PM的元件失效的最优分布参数vM；

设置权重α，计算综合最优分布参数v＝α×vM+(1‑α)×vR；

基于所述综合最优分布参数v抽取元件状态，计算出电力系统的Well‑being指标，完成电力系统的Well‑being评估。

2.根据权利要求1所述的一种电力系统Well‑being的评估方法，其特征在于，所述最优分布参数vR的计算方法包括以下步骤：步骤1‑1，初始化参数：设置每次迭代的预抽样次数为n，系统元件最优失效分布参数为vR＝u，u为元件实际失效分布参数，分位数为ρ，元件总数为N，j为元件索引(j＝1,2,…,N)，迭代次数上限为I；

步骤1‑2，迭代次数初始化：iR＝0；

步骤1‑3，iR＝iR+1；

步骤1‑4，根据vR进行随机抽样，生成n组系统状态样本{Xk；k＝1,2,…,n}，其中Xk＝[Xk(1),Xk(2),...,Xk(N)]，Xk(j)表示第k个系统状态的第j个元件状态，对生成的系统状态样本Xk进行负荷削减分析，判断系统状态Xk是否存在切负荷；

步骤1‑5，根据式 计算似然比W(Xk)，第一次迭代时似然比W(Xk)为1；

步骤1‑6：根据公式 计算各系统状态对应的发电容量裕度序列G(Xk)，式中NC为节点集合，l为节点索引(l＝1,2,…,NC)，PG总为系统状态Xk总发电容量，PD总为总负荷， 为总切负荷量，其中Cl表示第l个节点切负荷量；

步骤1‑7：将发电容量裕度序列G(Xk)按照从小到大的顺序进行排列，得到M＝[M[1],M[2],…,M[n]]，若M[ρn]>0，则阈值参数r＝M[ρn]；若M[ρn]≤0，则r＝0，其中，ρn表示ρ与n相乘；

步骤1‑8：获取指示函数HR(Xk)：首先利用阈值参数r对G(Xk)进行修正得到G’(Xk)：G’(Xk)＝G(Xk)‑r；其次，根据G’(Xk)得到相应的指示函数HR(Xk)：若G’(Xk)>0，则HR(Xk)＝0；

若G’(Xk)≤0，则HR(Xk)＝1；

步骤1‑9：根据式 更新系统元件的最优分布参数vR；

步骤1‑10：如果阈值参数r＝0或iR＝I，则输出vR；否则，返回步骤1‑3。

3.根据权利要求1所述的一种电力系统Well‑being的评估方法，其特征在于：所述最优分布参数vM的计算方法包括以下步骤：步骤2‑1：初始化参数：设置每次迭代的预抽样次数为n，系统元件最优失效分布参数为vM＝u，u为元件实际失效分布参数，元件总数为N，j为元件索引(j＝1,2,…,N)，迭代次数上限为I；

步骤2‑2：迭代次数初始化：iM＝0；

步骤2‑3：iM＝iM+1；

步骤2‑4：根据vM进行随机抽样，生成n组系统状态样本{Xk；k＝1,2,…,n}，其中Xk＝[Xk(1),Xk(2),...,Xk(N)]，Xk(j)表示第k个系统状态的第j个元件状态，对生成的系统状态样本Xk进行Well‑being评估，判断系统状态Xk的所属状态类型：若系统状态Xk存在切负荷，则Xk为风险状态；若系统状态Xk不存在切负荷但不满足N‑1准则，则Xk为临界状态；若系统状态Xk满足N‑1准则，则Xk为健康状态；

步骤2‑5：根据式 计算似然比W(Xk)，其中第一次迭代时似然比W(Xk)为1；

步骤2‑6：获取指示函数HM(Xk)：若系统状态Xk为临界状态，则HM(Xk)＝1；否则，HM(Xk)＝

0；

步骤2‑7：根据式 更新系统元件最优分布参数vM；

步骤2‑8：如果iM＝I，则输出vM；如果iM

4.根据权利要求1所述的一种电力系统Well‑being的评估方法，其特征在于：所述权重α的取值范围为[0.5,0.7]。

5.根据权利要求1所述的一种电力系统Well‑being的评估方法，其特征在于：所述电力系统的Well‑being指标的计算方法包括以下步骤：步骤4‑1，参数初始化：设置方差系数收敛条件βmax；

步骤4‑2，抽样次数初始化：s＝0；

步骤4‑3，s＝s+1；

步骤4‑4，根据步骤3中得到的最优分布参数v生成系统状态Xs，判断系统状态类型；

步骤4‑5，计算似然比W(Xs)；

步骤4‑6，计算Xs的Well‑being指标指示函数并计算风险指标PR，临界指标PM，期望缺供电量EENS；

步骤4‑7，计算PR，PM，EENS对应的方差系数βR，βM，βEENS；

步骤4‑8，判断方差系数βR，βM，βEENS是否满足收敛条件：如果βR≤βmax且βM≤βmax且βEENS≤βmax，则输出Well‑being指标；否则，返回步骤4‑3。

6.根据权利要求5所述的一种电力系统Well‑being的评估方法，其特征在于：所述步骤

4‑4中系统状态Xs的生成方式及状态类型判别方法为：生成N维的[0,1]区间随机数ζ与v进行比较确定系统元件状态Xs(j)： 对系统状态Xs进行Well‑being评估，判断系统状态Xs的所属状态类型：若系统状态Xs存在切负荷，则Xs为风险状态；若系统状态Xs不存在切负荷但不满足N‑1准则，则Xs为临界状态；若系统状态Xs满足N‑1准则，则Xs为健康状态。

7.根据权利要求5所述的一种电力系统Well‑being的评估方法，其特征在于：所述步骤

4‑5系统状态Xs的似然比W(Xs)计算方式为：

8.根据权利要求5所述的一种电力系统Well‑being的评估方法，其特征在于，所述步骤

4‑6中，Well‑being指标指示函数F(Xs)计算方式为：如果Xs为风险状态，则FR(Xs)＝W(Xs)，FM(Xs)＝0， 如果Xs为临界状态，则FR(Xs)＝0，FM(Xs)＝W(Xs)，FEENS(Xs)＝0；

如果Xs为健康状态，则FR(Xs)＝0，FM(Xs)＝0，FEENS(Xs)＝0；

Well‑being指标的计算公式为：

9.根据权利要求8所述的一种电力系统Well‑being的评估方法，其特征在于：所述步骤

4‑7中，PR，PM，EENS对应的方差系数βR，βM，βEENS分别为：式中， 表示各指标对应指示函数的期望估计值， 分别表示PR，PM，EENS对应指示函数的期望估计值； 表示各指标对应指示函数期望估计值的方差， 分别表示PR，PM，EENS对应指示函数期望估计值的方差；V(F)表示指标对应指示函数的方差，V(FR)，V(FM)，V(FEENS)分别表示PR，PM，EENS对应指示函数的方差。

10.一种电力系统Well‑being的评估装置，其特征在于，包括：第一计算模块，用于迭代计算出针对风险指标PR的元件失效的最优分布参数vR；

第二计算模块，用于迭代计算出针对临界指标PM的元件失效的最优分布参数vM；

第三计算模块，用于设置权重α，计算综合最优分布参数v＝α×vM+(1‑α)×vR；

第四计算模块，用于基于所述综合最优分布参数v抽取元件状态，计算出电力系统的Well‑being指标，完成电力系统的Well‑being评估。