1.一种线损异常诊断方法，其特征在于，包括：获取电网基础数据；其中，所述电网基础数据包括营销管理数据、计量自动化数据、配网自动化数据和调度自动化系统数据；利用所述电网基础数据计算目标电网的四分线损统计值，并利用线损标杆阈值判断所述四分线损统计值是否异常；如果是，则将所述电网基础数据输入至线损异常诊断模型进行异常原因分析，确定导致所述目标电网发生线损异常的异常因素、异常原因及异常时空信息；其中，所述线损异常诊断模型为以历史线损异常问题及处理工作单为训练样本进行训练后获得的模型；在所述确定导致线损异常的异常因素、异常原因及异常时空信息之后，在所述异常原因为数据采集异常时，对所述电网基础数据进行线损归真处理，获得归真电网基础数据；利用所述归真电网基础数据计算归真线损统计值，并利用所述线损标杆阈值判断所述归真线损统计值是否异常；如果是，则输出线损异常告警信息；如果否，则输出数据采集异常的提示信息。
2.根据权利要求1所述的线损异常诊断方法，其特征在于，所述线损异常诊断模型进行异常原因分析，包括：所述线损异常诊断模型利用朴素贝叶斯算法进行异常原因分析。
3.根据权利要求2所述的线损异常诊断方法，其特征在于，所述线损异常诊断模型利用朴素贝叶斯算法进行异常原因分析，确定导致线损异常的异常因素、异常原因及异常时空信息，包括：按照异常因素判断规则，对所述电网基础数据进行分析，确定所述异常因素和所述异常时空信息；利用异常因素与线损异常原因之间的关联关系，计算各种线损异常原因概率；利用所述线损异常原因概率，确定所述异常原因。
4.根据权利要求2所述的线损异常诊断方法，其特征在于，所述线损异常诊断模型的训练过程，包括：获取已标注线损异常原因的第一训练样本集；按照异常因素判断规则，对所述训练样本集中的各个训练样本标注对应的目标异常因素，获得第二训练样本集；对所述第二训练样本集进行异常因素统计，确定异常因素与线损异常原因之间的关联关系。
5.根据权利要求1所述的线损异常诊断方法，其特征在于，对所述电网基础数据进行线损归真处理，包括：若采集表码为空和/或采集表码跳变，且表码缺失范围小于指定时长，通过表码平移方式补全表码；若电量为空、电量异常跳变，通过差值计算、均值计算、趋势外推法和回归计算中随机选择一种算法估算调整电量。
6.根据权利要求1所述的线损异常诊断方法，其特征在于，所述输出线损异常告警信息，包括：生成线损异常的异常因素、问题原因、异常时间、异常设备或线路或台区地理信息、异常处理工作单并利用信号灯进行线损异常告警。
7.一种线损异常诊断装置，其特征在于，包括：电网基础数据获取模块，用于获取电网基础数据；其中，所述电网基础数据包括营销管理数据、计量自动化数据、配网自动化数据和调度自动化系统数据；线损异常判断模块，用于利用所述电网基础数据计算目标电网的四分线损统计值，并利用线损标杆阈值判断所述线损统计值是否异常；异常分析模块，用于若所述四分线损统计值异常，则将所述电网基础数据输入至线损异常诊断模型进行异常原因分析，确定导致目标电网发生线损异常的异常因素、异常原因及异常时空信息；其中，所述线损异常诊断模型为以历史线损异常问题及处理工作单为训练样本进行训练后获得的模型；线损异常归真处理模块，用于在所述确定导致线损异常的异常因素、异常原因及异常时空信息之后，在所述异常原因为数据采集异常时，对所述电网基础数据进行线损归真处理，获得归真电网基础数据；利用所述归真电网基础数据计算归真线损统计值，并利用所述线损标杆阈值判断所述归真线损统计值是否异常；如果是，则输出线损异常告警信息；如果否，则输出数据采集异常的提示信息。
8.一种线损异常诊断设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述线损异常诊断方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述线损异常诊断方法的步骤。
