1.一种电力市场风险全景识别方法，其特征在于，包括：获取电力系统及电力市场中的多个基本事件；根据所述基本事件构建相关性矩阵；其中，所述相关性矩阵用于指示基本事件与风险结果之间的相关性；根据所述相关性矩阵的解析结果和实际结果，对所述相关性矩阵进行修正；应用修正后的相关性矩阵监测电力市场的风险；所述根据所述基本事件构建相关性矩阵，具体包括：对多个所述基本事件进行聚类；根据聚类后的基本事件构建相关性矩阵；在所述对多个所述基本事件进行聚类之前，所述方法还包括：通过预设的排队程序对获取的多个所述基本事件进行排序，以基于所述基本事件的排序对多个所述基本事件进行聚类；所述方法还包括：通过所述排队程序生成场景集，并基于所述场景集，采用电力市场模拟软件进行模拟，获得模拟结果；采用预设的采信图谱，确定采信所述相关性矩阵的解析结果或所述模拟结果；所述根据所述相关性矩阵的解析结果和实际结果，对所述相关性矩阵进行修正，具体包括：对所述相关性矩阵进行解析，获得所述相关性矩阵中的每一元素值；当任一所述元素值大于预设的数值阈值时，根据该元素值对应的基本事件和预设的第一函数计算获得该基本事件对应的风险结果；其中，所述第一函数用于指示基本事件对应的风险结果；当所述基本事件对应的风险结果与实际结果之间的偏差大于预设的偏差阈值时，调用预设的修正函数对所述相关性矩阵中的该元素进行修正，获得修正后的相关性矩阵。
2.如权利要求1所述的电力市场风险全景识别方法，其特征在于，所述对多个所述基本事件进行聚类，具体包括：根据所述基本事件，通过以下公式计算每一所述基本事件到相应的风险结果的距离：ψ m,n ＝f(α t,k )其中，α t,k 为第t个参与者相关的第k个基本事件；ψ m,n 为基本事件α t,k 到第m个个体的第n种风险结果的距离；根据每一所述基本事件到相应的风险结果的距离，对所述基本事件进行分类。
3.如权利要求1所述的电力市场风险全景识别方法，其特征在于，所述根据聚类后的基本事件构建相关性矩阵，具体包括：根据聚类后的基本事件，通过以下公式构建相关性矩阵：其中，R为所述相关性矩阵，ρ ij 为第i类基本事件与第j种风险结果之间的相关系数；X i 为第i类基本事件；X j 为第j种风险结果；D为方差。
4.如权利要求1所述的电力市场风险全景识别方法，其特征在于，所述方法还包括：对所述修正后的相关性矩阵进行解析，获得所述修正后的相关性矩阵中的每一元素值；当任一所述元素值大于预设的数值阈值时，根据该元素值对应的基本事件和预设的第一函数计算获得该基本事件对应的风险结果；当所述基本事件对应的风险结果与预设的实际结果之间的偏差仍大于预设的偏差阈值时，调用预设的聚类修正函数对聚类进行修正，并重新构建相关性矩阵。
5.一种电力市场风险全景识别系统，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的电力市场风险全景识别方法。
