1.一种直流输电线路可听噪声概率预测方法，其特征在于，方法包括如下步骤：S1，利用多组训练数据对人工神经网络模型进行训练，其中，所述每组训练数据至少包括线路参数及可听噪声测量值，在训练过程中，将线路参数作为所述人工神经网络模型的输入数据，将所述可听噪声测量值作为所述人工神经网络模型的输入数据；S2，将所述多组训练数据中的线路参数再次输入至训练好的人工神经网络模型，对应得到多组可听噪声预测值；S3，根据所述多组可听噪声测量值及多组可听噪声预测值，计算出多组对应的人工神经网络模型的误差值；S4，将所述多组可听噪声预测值划分为多个区间，并确定所述多组误差值在所述多个区间的概率分布，其中，所述步骤S4中，将所述多组可听噪声预测值划分为k个区间，若任意一个区间所对应的误差值从小到大排列为{e 1 ，e 2 ...e x }，则所述多组误差值在所述k个区间的概率分布为：其中， 为位于区间 内的误差值个数，x为总的误差值个数，e表示预测误差变量；S5，利用所述人工神经网络模型对待测数据进行预测，得到预测结果，并确定所述预测结果所在的区间，根据所述预测结果及所述预测结果所在的区间的差值概率分布，得到可听噪声概率预测结果，其中，所述步骤S5中，所述可听噪声概率预测结果的表达式为：t+P t ，其中t为所述人工神经网络模型输出的预测结果，P t 为该预测结果t所在区间的误差值的概率分布。
2.根据权利要求1所述的直流输电线路可听噪声概率预测方法，其特征在于，所述步骤S3中，所述误差值的表达式为：e i ＝Y i -y i其中，i＝1…n，n为训练数据的组数，Y i 表示第i组训练数据所对应的可听噪声预测值，y i 表示第i组训练数据中的可听噪声测量值。
3.根据权利要求1-2任意一项所述的直流输电线路可听噪声概率预测方法，其特征在于，所述线路参数至少包括线路结构数据、运行工况数据、气象数据中的一种或多种。
4.一种直流输电线路可听噪声概率预测系统，其特征在于，系统包括：训练模块，用于利用多组训练数据对人工神经网络模型进行训练，其中，所述每组训练数据至少包括线路参数及可听噪声测量值，在训练过程中，将线路参数作为所述人工神经网络模型的输入数据，将所述可听噪声测量值作为所述人工神经网络模型的输出数据；噪声预测模块，用于将所述多组训练数据中的线路参数再次输入至训练好的人工神经网络模型，对应得到多组可听噪声预测值；误差计算模块，用于根据所述多组可听噪声测量值及多组可听噪声预测值，计算出多组对应的人工神经网络模型的误差值；概率分布计算模块，用于将所述多组可听噪声预测值划分为多个区间，并确定所述多组误差值在所述多个区间的概率分布，其中所述概率分布计算模块将所述多组可听噪声预测值划分为k个区间，若任意一个区间所对应的误差值从小到大排列为{e 1 ，e 2 ...e x }，则所述多组误差值在所述k个区间的概率分布为：其中， 为位于区间 内的误差值个数，x为总的误差值个数，e表示预测误差变量；噪声概率预测模块，用于利用所述人工神经网络模型对待测数据进行预测，得到预测结果，并确定所述预测结果所在的区间，根据所述预测结果及所述预测结果所在的区间的差值概率分布，得到可听噪声概率预测结果，其中，所述噪声概率预测模块中，所述可听噪声概率预测结果的表达式为：t+P t ，其中t为所述人工神经网络模型输出的预测结果，P t 为该预测结果t所在区间的误差值的概率分布。
5.根据权利要求4所述的直流输电线路可听噪声概率预测系统，其特征在于，所述误差计算模块中，所述误差值的表达式为：e i ＝Y i -y i其中，i＝1…n，n为训练数据的组数，Y i 表示第i组训练数据所对应的可听噪声预测值，y i 表示第i组训练数据中的可听噪声测量值。
6.根据权利要求4-5任意一项所述的直流输电线路可听噪声概率预测系统，其特征在于，所述线路参数至少包括线路结构数据、运行工况数据、气象数据中的一种或多种。
