1.一种配电柜信息确定方法，其特征在于，包括：

获取配电柜对应区域的电气设备分布图和配电柜对应区域的环境分布图；

基于所述配电柜对应区域的电气设备分布图使用设备分布处理模型确定配电柜尺寸、配电柜的多个候选位置、配电柜每一个候选位置的能源损失度、配电柜每一个候选位置的电气风险度，配电柜每一个候选位置的能源损失度用于表示配电柜输送到配电柜对应区域的电气设备的总的能源损失度，配电柜每一个候选位置的电气风险度用于评估配电柜安装位置面临的电气安全风险；

基于所述配电柜尺寸、所述配电柜的多个候选位置、所述配电柜对应区域的环境分布图使用风险分析模型确定每一个候选位置的环境风险度，每一个候选位置的环境风险度为每个配电柜候选位置的环境风险的量化评估；

将所述每一个候选位置的环境风险度与预设的风险阈值进行比较，剔除环境风险度超过预设的风险阈值的候选位置，得到筛选后的多个候选位置；

获取筛选后的每一个候选位置的能源损失度、筛选后的每一个候选位置的电气风险度、筛选后的每一个候选位置的环境风险度；

基于所述筛选后的每一个候选位置的能源损失度、所述筛选后的每一个候选位置的电气风险度、所述筛选后的每一个候选位置的环境风险度确定目标安装点。

2.如权利要求1所述的配电柜信息确定方法，其特征在于，所述基于所述筛选后的每一个候选位置的能源损失度、所述筛选后的每一个候选位置的电气风险度、所述筛选后的每一个候选位置的环境风险度确定目标安装点包括：对所述筛选后的每一个候选位置的能源损失度、所述筛选后的每一个候选位置的电气风险度、所述筛选后的每一个候选位置的环境风险度分别赋予不同的权重，再进行加权求和后得到筛选后的每一个候选位置的综合风险程度，将综合风险程度最小的筛选后的候选位置作为配电柜的目标安装点。

3.如权利要求1所述的配电柜信息确定方法，其特征在于，所述设备分布处理模型为卷积神经网络模型。

4.如权利要求1所述的配电柜信息确定方法，其特征在于，所述风险分析模型包括生成对抗网络层和风险确定层，所述生成对抗网络层的输入为所述配电柜对应区域的环境分布图，所述生成对抗网络层的输出为所述配电柜对应区域的环境风险度预估图，所述风险确定层的输入为所述配电柜尺寸、所述配电柜的多个候选位置、所述配电柜对应区域的环境风险度预估图，所述风险确定层的输出为每一个候选位置的环境风险度。

5.如权利要求4所述的配电柜信息确定方法，其特征在于，所述风险确定层为卷积神经网络层。

6.一种配电柜信息确定系统，其特征在于，包括：

第一获取模块，用于获取配电柜对应区域的电气设备分布图和配电柜对应区域的环境分布图；

设备分布处理模块，用于基于所述配电柜对应区域的电气设备分布图使用设备分布处理模型确定配电柜尺寸、配电柜的多个候选位置、配电柜每一个候选位置的能源损失度、配电柜每一个候选位置的电气风险度，配电柜每一个候选位置的能源损失度用于表示配电柜输送到配电柜对应区域的电气设备的总的能源损失度，配电柜每一个候选位置的电气风险度用于评估配电柜安装位置面临的电气安全风险；

环境风险度确定模块，用于基于所述配电柜尺寸、所述配电柜的多个候选位置、所述配电柜对应区域的环境分布图使用风险分析模型确定每一个候选位置的环境风险度，每一个候选位置的环境风险度为每个配电柜候选位置的环境风险的量化评估；

筛选模块，用于将所述每一个候选位置的环境风险度与预设的风险阈值进行比较，剔除环境风险度超过预设的风险阈值的候选位置，得到筛选后的多个候选位置；

第二获取模块，用于获取筛选后的每一个候选位置的能源损失度、筛选后的每一个候选位置的电气风险度、筛选后的每一个候选位置的环境风险度；

安装点确定模块，用于基于所述筛选后的每一个候选位置的能源损失度、所述筛选后的每一个候选位置的电气风险度、所述筛选后的每一个候选位置的环境风险度确定目标安装点。

7.如权利要求6所述的配电柜信息确定系统，其特征在于，所述安装点确定模块还用于：

对所述筛选后的每一个候选位置的能源损失度、所述筛选后的每一个候选位置的电气风险度、所述筛选后的每一个候选位置的环境风险度分别赋予不同的权重，再进行加权求和后得到筛选后的每一个候选位置的综合风险程度，将综合风险程度最小的筛选后的候选位置作为配电柜的目标安装点。

8.如权利要求6所述的配电柜信息确定系统，其特征在于，所述设备分布处理模型为卷积神经网络模型。

9.如权利要求6所述的配电柜信息确定系统，其特征在于，所述风险分析模型包括生成对抗网络层和风险确定层，所述生成对抗网络层的输入为所述配电柜对应区域的环境分布图，所述生成对抗网络层的输出为所述配电柜对应区域的环境风险度预估图，所述风险确定层的输入为所述配电柜尺寸、所述配电柜的多个候选位置、所述配电柜对应区域的环境风险度预估图，所述风险确定层的输出为每一个候选位置的环境风险度。

10.如权利要求9所述的配电柜信息确定系统，其特征在于，所述风险确定层为卷积神经网络层。