1.一种应用于电力系统的运行优化方法，其特征在于，所述方法包括：

提取待进行系统运行故障预测的电力系统运行数据的运行状态矢量时序序列；

根据所述运行状态矢量时序序列，依据系统运行故障预测网络中的第一全连接输出单元确定所述电力系统运行数据的第一初始故障定位数据；其中，所述系统运行故障预测网络还包括一个或多个第二全连接输出单元；

若所述第一初始故障定位数据表征所述电力系统运行数据属于设定故障点队列时，根据所述运行状态矢量时序序列，依据所述一个或多个第二全连接输出单元确定所述电力系统运行数据的第二初始故障定位数据，并根据所述第一初始故障定位数据和所述第二初始故障定位数据，确定所述电力系统运行数据的系统运行故障点；

若所述第一初始故障定位数据表征所述电力系统运行数据不属于所述设定故障点队列时，将所述第一初始故障定位数据表征的系统运行故障点，确定为所述电力系统运行数据的系统运行故障点，并基于所述电力系统运行数据的系统运行故障点生成对应的运行优化方案；

所述根据所述第一初始故障定位数据和所述第二初始故障定位数据，确定所述电力系统运行数据的系统运行故障点，包括：如果所述第二初始故障定位数据表征的系统运行故障点属于所述设定故障点队列，则确定所述电力系统运行数据的系统运行故障点为所述设定故障点队列；

如果所述第二初始故障定位数据表征的系统运行故障点不属于所述设定故障点队列，则从各候选系统运行故障点中，确定一系统运行故障点，确定为所述电力系统运行数据的系统运行故障点；其中，所述各候选系统运行故障点包括所述第一全连接输出单元可输出的各系统运行故障点中除所述设定故障点队列外的系统运行故障点。

2.根据权利要求1所述的应用于电力系统的运行优化方法，其特征在于，在每一全连接输出单元之前还包括该全连接输出单元对应的显著性特征聚焦单元；

在根据所述运行状态矢量时序序列，依据任一全连接输出单元确定所述电力系统运行数据的初始故障定位数据的步骤之前，所述方法还包括：依据该全连接输出单元对应的显著性特征聚焦单元，对所述运行状态矢量时序序列进行显著性特征权重分配，生成显著性特征权重分配后的运行状态矢量时序序列；

所述根据所述运行状态矢量时序序列，依据任一全连接输出单元确定所述电力系统运行数据的初始故障定位数据，包括：根据所述显著性特征权重分配后的运行状态矢量时序序列，依据该全连接输出单元的确定所述电力系统运行数据的初始故障定位数据。

3.根据权利要求2所述的应用于电力系统的运行优化方法，其特征在于，所述运行状态矢量时序序列包括：一个或多个神经元所生成的运行状态矢量图；每一显著性特征聚焦单元包括自显著性特征聚焦单元和重构显著性特征聚焦单元；

所述依据该全连接输出单元对应的显著性特征聚焦单元，对所述运行状态矢量时序序列进行显著性特征权重分配，生成显著性特征权重分配后的运行状态矢量时序序列，包括：依据该全连接输出单元对应的自显著性特征聚焦单元，针对每一神经元，基于该全连接输出单元的自显著性特征聚焦单元中针对该神经元学习到的显著性特征权重，对该神经元的运行状态矢量图进行融合，生成该神经元的融合运行状态矢量图；

依据该全连接输出单元对应的重构显著性特征聚焦单元，基于该全连接输出单元的重构显著性特征聚焦单元针对运行状态矢量图中各个运行状态矢量节点所学习到的显著性特征权重，对所述一个或多个神经元的融合运行状态矢量图进行融合，生成所述一个或多个神经元的处理后运行状态矢量图，确定为显著性特征权重分配后的运行状态矢量时序序列。

4.根据权利要求1所述的应用于电力系统的运行优化方法，其特征在于，所述系统运行故障预测网络的训练步骤，包括：获取初始化权重参数的长短期记忆网络；其中，所述初始化权重参数的长短期记忆网络中包括编码器、第一初始化全连接输出单元和一个或多个第二初始化全连接输出单元；

所述第一初始化全连接输出单元和每一第二初始化全连接输出单元分别与所述编码器连接；

依据第一模板电力系统运行数据序列，对所述第一初始化全连接输出单元进行参数更新，并将更新后的所述第一初始化全连接输出单元作为所述第一全连接输出单元；

在更新生成所述第一全连接输出单元之后，针对所述一个或多个第二初始化全连接输出单元中的每一初始化全连接输出单元，依据第二模板电力系统运行数据序列，对该第二初始化全连接输出单元进行参数更新，并将更新后的该第二初始化全连接输出单元作为一第二全连接输出单元；

将最终输出的长短期记忆网络，确定为所述系统运行故障预测网络。

5.根据权利要求4所述的应用于电力系统的运行优化方法，其特征在于，所述依据第一模板电力系统运行数据序列，对所述第一初始化全连接输出单元进行参数更新，包括：获取第一模板电力系统运行数据序列中的模板电力系统运行数据；

依据所述编码器，提取所述模板电力系统运行数据的运行状态矢量时序序列；

依据所述运行状态矢量时序序列，依据所述第一初始化全连接输出单元确定所述模板电力系统运行数据的初始故障定位数据；

依据所述模板电力系统运行数据携带的先验系统运行故障点，和所确定的初始故障定位数据，确定训练误差值；

依据所确定的训练误差值，对所述第一初始化全连接输出单元进行更新；

返回执行所述获取第一模板电力系统运行数据序列中的模板电力系统运行数据步骤，直至所述第一模板电力系统运行数据序列中各模板电力系统运行数据的迭代轮次均大于第一设定轮次；其中，每一模板电力系统运行数据的迭代轮次为依据该模板电力系统运行数据进行参数更新的轮次。

6.根据权利要求5所述的应用于电力系统的运行优化方法，其特征在于，所述依据第二模板电力系统运行数据序列，对该第二初始化全连接输出单元进行参数更新，包括：获取第二模板电力系统运行数据序列中的模板电力系统运行数据； 依据所述编码器，提取所述模板电力系统运行数据的运行状态矢量时序序列；

依据所述运行状态矢量时序序列，依据该第二初始化全连接输出单元确定所述模板电力系统运行数据的初始故障定位数据；

依据所述模板电力系统运行数据携带的先验系统运行故障点和所述初始故障定位数据，确定训练误差值；

依据所确定的训练误差值，对该第二初始化全连接输出单元进行更新； 返回执行所述获取第二模板电力系统运行数据序列中的模板电力系统运行数据步骤，直至所述第二模板电力系统运行数据序列中的各模板电力系统运行数据的迭代轮次均大于第二设定轮次；其中，每一模板电力系统运行数据的迭代轮次为依据该模板电力系统运行数据进行参数更新的轮次。

7.根据权利要求1所述的应用于电力系统的运行优化方法，其特征在于，每一全连接输出单元所确定的系统故障预测数据包括：该全连接输出单元可输出的每一系统运行故障点的分类指标，其中，每一系统运行故障点的分类指标表征该全连接输出单元所输出的所述电力系统运行数据属于该系统运行故障点的可能性； 每一系统故障预测数据表征的系统运行故障点为：该系统故障预测数据包含的各系统运行故障点中，分类指标最大的系统运行故障点。

8.一种电力系统运行数据分类装置，用于实现权利要求1所述的应用于电力系统的运行优化方法，其特征在于，所述装置包括：提取单元，用于提取待进行系统运行故障预测的电力系统运行数据的运行状态矢量时序序列；

第一确定单元，用于根据所述运行状态矢量时序序列，依据系统运行故障预测网络中的第一全连接输出单元确定所述电力系统运行数据的第一初始故障定位数据，确定为第一初始故障定位数据；其中，所述系统运行故障预测网络还包括一个或多个第二全连接输出单元；

第二确定单元，用于若所述第一初始故障定位数据表征所述电力系统运行数据属于设定故障点队列时，根据所述运行状态矢量时序序列，依据所述一个或多个第二全连接输出单元确定所述电力系统运行数据的第二初始故障定位数据，并根据所述第一初始故障定位数据和所述第二初始故障定位数据，确定所述电力系统运行数据的系统运行故障点；

第三确定单元，用于若所述第一初始故障定位数据表征所述电力系统运行数据不属于所述设定故障点队列时，将所述第一初始故障定位数据表征的系统运行故障点，确定为所述电力系统运行数据的系统运行故障点，并基于所述电力系统运行数据的系统运行故障点生成对应的运行优化方案。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1‑7任一所述的应用于电力系统的运行优化方法步骤。