1.一种能源大数据安全存储方法，其特征在于，该方法包括以下步骤：获取任一类能源的能源数据，其中包含多种数据类别，每种数据类别中包含多组数据，将任一数据类别中的任一组数据按照时序排列组成数据序列；

基于各类数据与其余所有类别数据之间所有对应数据序列的变化趋势差异，以及所有对应数据序列内极值所在时刻的差异，确定各类数据的关联值；

基于各类数据中所有任意两个数据序列之间的相似性，以及所有数据序列的混乱程度，确定各类数据的数据规律度；

基于所述关联值和所述数据规律度，得到各类数据的加密强度系数；

将各数据序列划分为各预设长度的子序列，基于各类数据与其余所有类别数据之间对应所述子序列的突变时刻差异、分布范围差异，确定各类数据的局部特征近似度；

基于各类数据中各数据序列的所有任意两个子序列之间周期性特征的相似程度、以及之间数据波动情况的相似程度，确定各类数据的周期近似度；

结合所述局部特征近似度、所述周期近似度与所述加密强度系数，得到各类数据的密钥长度系数；密钥长度系数为加密强度系数与加密补偿系数的融合结果，加密补偿系数是局部特征近似度与周期近似度的融合结果；加强密度系数用于表征存储的能源数据的重要程度以及需要加密的强度，加密补偿系数用于表征能源数据之间的关联程度以及能源数据本身的规律性；

存储能源数据时，基于所述密钥长度系数采用AES加密算法对各类数据进行加密。

2.如权利要求1所述的一种能源大数据安全存储方法，其特征在于，所述关联值的表达式为：式中，Ai为第i类数据的关联值；Bi,j为第i类数据与其余所有类别数据之间第j个数据序列的趋势性强度差异的均值；Ci,j为第i类数据与其余所有类别数据之间第j个数据序列中所有对应极值所在时刻的差异的均值；Ji为所有类别数据中数据序列总数的最小值；α为预设大于0的第一数值。

3.如权利要求1所述的一种能源大数据安全存储方法，其特征在于，所述数据规律度的确定过程为：计算各类数据中所有数据序列的近似熵均值；

将各类数据中所有任意两个数据序列之间距离的均值，记为距离均值；

所述数据规律度分别与所述近似熵均值、所述距离均值成反比。

4.如权利要求1所述的一种能源大数据安全存储方法，其特征在于，所述局部特征近似度的确定过程为：将任一数据类别记为i，计算第i类数据与其余各类别数据之间第j个数据序列的第x个子序列的各对应突变点所在时刻的差异，记为突变时刻差异；

将各子序列的极差与序列长度的比值，记为第一比值，计算第i类数据与其余各类别数据之间第j个数据序列的第x个子序列的所述第一比值的差异，记为极差差异；

第i类数据的局部特征近似度的表达式为：

式中，Gi为第i类数据的局部特征近似度；Hi,j为第i类数据中第j个数据序列对应所有所述突变时刻差异的均值；Ki,j为第i类数据中第j个数据序列对应所有所述极差差异的均值；Ji为所有类别数据中数据序列总数的最小值；γ为预设大于0的第三数值。

5.如权利要求1所述的一种能源大数据安全存储方法，其特征在于，所述周期近似度的表达式为：式中，Mi为第i类数据的周期近似度；Ni,j、Pi,j分别为第i类数据中第j个数据序列的所有任意两个子序列之间相位锁定值的均值、之间离散程度差异的和值；I为第i类数据中数据序列的总数；ε为预设大于0的第四数值。

6.如权利要求1所述的一种能源大数据安全存储方法，其特征在于，所述对各类数据进行加密的过程为：利用阈值分割算法获取所有密钥长度系数的分割阈值；

将密钥长度系数大于等于分割阈值的类别数据标记为高保密性数据，否则，标记为普通保密性数据；

采用AES加密算法对高保密性数据和普通保密性数据使用不同长度的密钥进行加密。

7.如权利要求6所述的一种能源大数据安全存储方法，其特征在于，高保密性数据加密时的密钥长度大于普通保密性数据加密时的密钥长度。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种能源大数据安全存储方法。

9.一种能源大数据安全存储系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑7任意一项所述一种能源大数据安全存储方法的步骤。