1.基于大数据分析的电力系统风险预测方法，其特征在于，包括以下步骤：

S1：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；

在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，拟合公式为f（t），得到变压器内部温度随时间变化的曲线；

S2：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m‑m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；

获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；

计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；

S3：计算温度修正值∆Tk=Q/（μ*c*V*ρ），其中，∆Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；

S4：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=∆Tk+Tk，其中T'k为tk+1时刻的预测温度；

当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。

2.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，调整所述的环境温度的过程中，获取该变压器所在地区近五年的环境温度，获取所述的环境温度的最大值N和最小值M，并在调整所述的环境温度的过程中，环境温度的调整范围为[M，N]。

3.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，获取所述的变压器内部温度的过程具体包括：在变压器内部以固定距离间隔设置若干个温度传感器，获取所有温度传感器稳定时的温度，计算所述的温度的均值，作为变压器内部温度。

4.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，当存在所述的温度日期的数量小于预设值时，执行以下步骤：获取温度日期的数量Q和所述的监测周期的开始日期P，获取与所述的开始日期相邻的前一天Pq内的温度范围，并判断其是否为温度日期；

当Pq为温度日期时，令温度日期的数量为Q+1，并使Pq为开始日期P，重复上述步骤，直至温度日期的数量达到预设值。

5.根据权利要求4所述的基于大数据分析的电力系统风险预测方法，其特征在于，筛选所述的温度日期的过程中，获取所述的监测周期的结束日期P'，当存在所述的结束日期P'与去年的日期P的时间间隔中，所述的温度日期的数量小于预设值，则调整所述的环境温度范围为[m‑2m'，n+2m']，并在所述的监测周期内筛选出温度日期。

6.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，所述的步骤S4中，当存在所述的预测温度小于预设的安全阈值时，计算所述的安全阈值与预测温度的差值的绝对值，当存在所述的绝对值小于等于预设值时，发送预警信息。

7.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，所述的步骤S4中，温度的安全阈值基于变压器的型号获取。

8.基于大数据分析的电力系统风险预测系统，其特征在于，包括：

初始模块：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；

在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，拟合公式为f（t），得到变压器内部温度随时间变化的曲线；

热量计算模块：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m‑m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；

获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；

计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；

修正温度模块：计算温度修正值∆Tk=Q/（μ*c*V*ρ），其中，∆Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；

预测模块：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=∆Tk+Tk，其中T'k为tk+1时刻的预测温度；

当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。