1.基于人工智能的电网故障预测方法，其特征在于，包括以下步骤：S1，根据获取的电网数据进行分析得到电网数据准确性数据，根据获取的电网准确性数据进行电网数据的准确性评估得到电网数据准确性评估值，基于获取的电网数据准确性评估值判断是否进行电网数据预处理，所述电网数据准确性评估值用于量化评估数据质量；

S2，若进行数据预处理，则对优化后的电网数据进行提取得到电网特征数据和提取时长，根据提取时长和获取的电网实时性数据进行电网数据的实时性评估得到电网数据实时性评估值，基于获取的电网数据实时性评估值判断是否进行数据实时性优化，所述电网数据实时性评估值用于量化评估数据的实时性；

S3，若进行数据实时性优化，则根据获取的电网特征数据进行电网的故障评估得到电网故障评估值，基于获取的电网故障评估值判断是否进行故障预警，所述电网故障评估值用于量化评估电网不对称故障发生的概率。

2.如权利要求1所述基于人工智能的电网故障预测方法，其特征在于：所述电网数据包括电流和电压；

所述电网准确性数据包括数据缺失率、标准化分数、数据信噪比和样本平衡系数；

所述数据缺失率通过统计在预设时间段内电网数据的数据量与预设总数据量进行处理得到；

所述标准化分数通过预设时间段内预设时间点的电网数据与电网数据平均值的差值和电网数据标准差进行比值运算得到；

所述数据信噪比通过信号功率和噪声功率进行处理得到；

所述样本平衡系数通过历史数据库中不对称故障事件数量与总事件数量进行比值运算得到；

所述电网实时性数据包括电压波形变化量、电流波形变化量、电网数据量和电网数据更新频率；

所述电网特征数据包括电压不平衡度、负序电流分量、零序电流分量、电压‑电流相位差、电压波形畸变和电流波形畸变；

所述电压不平衡度通过最大电压值和最小电压值的差值与电压平均值进行比值运算得到。

3.如权利要求2所述基于人工智能的电网故障预测方法，其特征在于：所述根据获取的电网准确性数据进行电网数据的准确性评估得到电网数据准确性评估值的具体方法如下：根据数据信噪比和数据库中的预设数据信噪比的相对关系得到数据信噪比偏差，所述数据信噪比偏差通过对数据信噪比和数据库中的预设数据信噪比进行比值运算得到；

根据样本平衡系数和数据库中的预设样本平衡系数的相对关系得到样本平衡系数偏差，所述样本平衡系数偏差通过对样本平衡系数和数据库中的预设样本平衡系数进行差值运算得到；

将电网因子、数据缺失率、数据信噪比偏差和样本平衡系数偏差进行处理得到电网数据准确性评估值，所述电网因子表示标准化分数对电网数据准确性评估值的影响程度。

4.如权利要求1所述基于人工智能的电网故障预测方法，其特征在于：所述基于获取的电网数据准确性评估值判断是否进行电网数据预处理的具体流程如下：判断电网数据准确性评估值是否小于预设电网数据准确阈值：

若电网数据准确性评估值小于预设电网数据准确阈值，则进行电网数据预处理；

若电网数据准确性评估值不小于预设电网数据准确阈值，则不进行电网数据预处理。

5.如权利要求4所述基于人工智能的电网故障预测方法，其特征在于：所述电网数据预处理的具体流程如下；

A1，判断电网数据中是否存在异常值，若电网数据中存在异常值，则去除异常值，否则执行A2；

A2，判断电网数据中数据缺失率是否大于0，若电网数据中数据缺失率大于0，则进行缺失值处理，否则统一数据格式；

所述电网数据预处理包括去除异常值、处理缺失值和统一数据格式。

6.如权利要求2所述基于人工智能的电网故障预测方法，其特征在于：所述根据提取时长和获取的电网实时性数据进行电网数据的实时性评估得到电网数据实时性评估值的具体方法如下：根据提取时长和数据库中的预设提取时长的相对关系得到提取时长偏差，所述提取时长偏差通过对提取时长和数据库中的预设提取时长进行比值运算得到；

根据电网数据更新频率和数据库中的预设电网数据更新频率的相对关系得到电网数据更新频率偏差，所述电网数据更新频率偏差通过对电网数据更新频率和数据库中的预设电网数据更新频率进行比值运算得到；

根据电网数据量和数据库中的预设电网数据量的相对关系得到电网数据量偏差，所述电网数据量偏差通过对电网数据量和数据库中的预设电网数据量进行比值运算得到；

将优化后的电网数据准确性评估值、波形变化因子、提取时长偏差、电网数据更新频率偏差和电网数据量偏差进行处理得到电网数据实时性评估值。

7.如权利要求1所述基于人工智能的电网故障预测方法，其特征在于：所述基于获取的电网数据实时性评估值判断是否进行数据实时性优化的具体方法如下：判断电网数据实时性评估值是否小于预设电网数据实时阈值：

若电网数据实时性评估值小于预设电网数据实时阈值，则进行数据实时性优化；

若电网数据实时性评估值不小于预设电网数据实时阈值，则不进行数据实时性优化；

所述数据实时性优化包括特征选择优化和提取时长优化；

所述提取时长优化包括并行计算、数据压缩和增量学习。

8.如权利要求2所述基于人工智能的电网故障预测方法，其特征在于：所述根据获取的电网特征数据进行电网的故障评估得到电网故障评估值的具体方法如下：根据电压不平衡度和数据库中的预设电压不平衡度的相对关系得到电压不平衡度偏差，所述电压不平衡度偏差通过对电压不平衡度和数据库中的预设电压不平衡度进行比值运算得到；

根据负序电流分量和数据库中的预设负序电流分量的相对关系得到负序电流分量偏差，所述负序电流分量偏差通过对负序电流分量和数据库中的预设负序电流分量进行比值运算得到；

根据零序电流分量和数据库中的预设零序电流分量的相对关系得到零序电流分量偏差，所述零序电流分量偏差通过对零序电流分量和数据库中的预设零序电流分量进行比值运算得到；

根据电压‑电流相位差和数据库中的预设电压‑电流相位差的相对关系得到电网相位差系数；

根据电压波形畸变和数据库中的预设电压波形畸变的相对关系得到电压波形畸变偏差，根据电流波形畸变和数据库中的预设电流波形畸变的相对关系得到电流波形畸变偏差，将电压波形畸变偏差和电流波形畸变偏差进行处理得到电网波形畸变系数；

将电压不平衡度偏差、负序电流分量偏差、零序电流分量偏差、电网相位差系数和电网波形畸变系数进行处理得到电网故障评估值。

9.如权利要求1所述基于人工智能的电网故障预测方法，其特征在于：所述基于获取的电网故障评估值判断是否进行故障预警的具体流程如下：判断电网故障评估值是否小于预设电网故障阈值：

若电网故障评估值小于预设电网故障阈值，则不进行故障预警；

若电网故障评估值不小于预设电网故障阈值，则进行故障预警；

所述故障预警表示识别电网故障类型并向预设人员发送预警信息。

10.基于人工智能的电网故障预测系统，其特征在于，所述基于人工智能的电网故障预测系统包括：电网数据准确性评估模块、电网数据实时性评估模块和电网故障评估模块；

其中，所述电网数据准确性评估模块用于根据获取的电网数据进行分析得到电网数据准确性数据，根据获取的电网准确性数据进行电网数据的准确性评估得到电网数据准确性评估值，基于获取的电网数据准确性评估值判断是否进行电网数据预处理，所述电网数据准确性评估值用于量化评估数据质量；

所述电网数据实时性评估模块用于若进行数据预处理，则对优化后的电网数据进行提取得到电网特征数据和提取时长，根据提取时长和获取的电网实时性数据进行电网数据的实时性评估得到电网数据实时性评估值，基于获取的电网数据实时性评估值判断是否进行数据实时性优化，所述电网数据实时性评估值用于量化评估数据的实时性；

所述电网故障评估模块用于若进行数据实时性优化，则根据获取的电网特征数据进行电网的故障评估得到电网故障评估值，基于获取的电网故障评估值判断是否进行故障预警，所述电网故障评估值用于量化评估电网不对称故障发生的概率。