1.一种基于大数据的计量设备状态评估方法，其特征在于，包括步骤：1)海量计量相关数据整合及存储；2)建立基于计量大数据的算法分析模型，包括建立强关联规则故障指标和建立基于海量历史数据的故障区间频繁集合算法分析模式；3)计量设备状态评估：基于故障区间频繁集合算法分析模式，通过可视化分析方式对各电压等级的主站及各类型的互感器进行故障设备状态评估；步骤1)中，数据存储的内容如下：根据网架结构所需数据，分为静态数据与动态数据两个类别；一是以设备信息为主的静态数据，静态数据信息更新频度低，数据读取量小，为此将此部分数据统一存储在单一节点的DataNode数据库中，便于数据读取；二是以运行负荷为主的动态数据，此部分数据变化更新频度高，为此将其单独存放，最大化提高数据的读取性能；步骤2)中，故障区间频繁集合算法分析模式的内容如下：通过计算机进行智能识别，在建立强关联规则故障指标的基础上，针对每个计量设备指标参数进行一次故障所致区间的判断；进行一次故障所致区间的判断步骤如下：首先，对实际的故障指标数据进行判断，判断各指标在何区间范围内时，发生状态故障的次数比较多，统计的时间维度具体到年份；然后，根据判断出来的各指标的范围，将每一个计量设备指标划分区间，在区间范围以下设置一到两个区间，在区间范围以上设置一到两个区间。
2.根据权利要求1所述的计量设备状态评估方法，其特征在于，步骤1)中，数据整合的内容如下：基于现有的数据融合模式及基础，通过海量数据中心提取计量数据；海量数据中心的数据接入方式主要通过ETL相关工具进行数据对接，通过源端与目的端在数据传输过程中的业务逻辑及数据整合周期配置，能够使得数据在进入目的端前，进行统一的计量数据整合与清洗。
3.根据权利要求2所述的计量设备状态评估方法，其特征在于，海量计量相关数据的采集，主要从用电信息采集系统、营销业务系统、PMS中提取出计量设备的周期运行及台区数据。
4.根据权利要求1-3任一项所述的计量设备状态评估方法，其特征在于，步骤2)中，建立强关联规则故障指标的内容为：建立计量设备的重要故障影响指标分析体系，通过重要故障影响指标之间的关系展开分析，建立这些指标发生设备故障的强关联规则。
5.一种基于大数据的计量设备状态评估系统，其特征在于，包括：数据整合及存储单元：用于整合及存储海量计量相关数据；算法分析单元：建立强关联规则故障指标和建立基于海量历史数据的故障区间频繁集合算法分析模式；计量设备状态评估单元：基于故障区间频繁集合算法分析模式，通过可视化分析方式对各电压等级的主站及各类型的互感器进行故障设备状态评估；所述的数据整合及存储单元中，数据存储的内容如下：根据网架结构所需数据，分为静态数据与动态数据两个类别；一是以设备信息为主的静态数据，静态数据信息更新频度低，数据读取量小，为此将此部分数据统一存储在单一节点的DataNode数据库中，便于数据读取；二是以运行负荷为主的动态数据，此部分数据变化更新频度高，为此将其单独存放，最大化提高数据的读取性能；所述的算法分析单元中，故障区间频繁集合算法分析模式的内容如下：通过计算机进行智能识别，在建立强关联规则故障指标的基础上，针对每个计量设备指标参数进行一次故障所致区间的判断；进行一次故障所致区间的判断步骤如下：首先，对实际的故障指标数据进行判断，判断各指标在何区间范围内时，发生状态故障的次数比较多，统计的时间维度具体到年份；然后，根据判断出来的各指标的范围，将每一个计量设备指标划分区间，在区间范围以下设置一到两个区间，在区间范围以上设置一到两个区间。
