1.一种基于群厂协同的智能电厂数据模型的构建方法，其特征在于，构建了业务层、模型层和数据层；业务层采用云边端分布式弹性架构，云边端分布式弹性架构包括厂侧一区、厂侧四区和集团侧，其中集团侧与厂侧一区组成两地双注册中心；集团侧部署了综合决策模块和物联网平台，厂侧一区部署了智能应用模块，厂侧四区部署了赋能服务模块；物联网平台为由电厂DCS系统构建的各个设备的数据采集平台；云边端分布式弹性架构对业务层、模型层和数据层提供组件支持；模型层包括模型模块、模型管理模块和模型部署模块；厂侧一区、厂侧四区和集团侧的数据层均设置内存数据库和关系型数据库；厂侧四区对应的数据层还设有时序数据库；基于群厂协同的智能电厂数据模型的构建方法包括以下步骤：步骤1、在集团侧部署综合决策模块；在集团侧进行业务数据抽取、智能电厂数据模型构建和训练；步骤2、集团侧通过模型导出算子导出训练好的智能电厂数据模型至指定服务器；通过电力物联网专用网络传输至厂侧四区的服务器，在厂侧四区进行智能电厂数据模型的优化调整；步骤3、将厂侧四区内经过步骤2优化调整完成的智能电厂数据模型通过网络隔离装置下发部署至厂侧一区，并使用智能电厂数据模型；在厂侧一区部署用于实现业务的智能应用模块；采用训练集微调智能电厂数据模型得到数理模型与机理模型，通过数理模型与机理模型进行在线预警及监测；构建的数理模型为：上式中，x为来源于生产系统的历史数据； 为预估值；y为真实值；δ为偏离值的上限；f(x)为参数函数，参数函数的约束条件为：参数函数中的参数满足预估值和真实值之间的差值不超过偏离值上限；D为历史数据，来源于PI数据库；构建的机理模型为：上式中，x为来源于生产系统的历史数据；ε为机理模型修正值； 为预估值；g(x)为机理计算公式；步骤4、在厂侧一区部署优化调整完成的智能电厂数据模型后，运行人员定期对厂侧一区、厂侧四区和集团侧的智能电厂数据模型分别进行模型评价；若厂侧一区、厂侧四区和集团侧中仅其中一个的智能电厂数据模型的评价分数低于标准，则在厂侧四区调整智能电厂数据模型的配置参数，并重新部署智能电厂数据模型；若厂侧一区、厂侧四区和集团侧中两个及以上智能电厂数据模型的评价分数低于标准，则在集团侧重新构建和训练智能电厂数据模型，并将智能电厂数据模型的配置参数下发至厂侧四区，将新训练得到的智能电厂数据模型重新部署至厂侧一区。
2.根据权利要求1所述基于群厂协同的智能电厂数据模型的构建方法，其特征在于：步骤1具体包括以下步骤：步骤1.1、业务数据抽取：采用统一编码对数据进行采样，将设备测点映射到统一的KKS编码库；设备数字镜像算子按照统一编码规律快速确定业务数据的物理含义，将业务数据从厂侧一区经厂侧四区抽取至集团侧，得到历史数据集；步骤1.2、构建智能电厂数据模型，通过图形化算子拖拽方式进行智能电厂数据模型的配置；y out ＝h(x in )＝h m (y m-1 )＝h m (h m-1 (y m-2 ))＝h m (h m-1 (···(h 1 (x in ))))上式中，h()为主智能电厂数据模型；x in 为主智能电厂数据模型的输入；y out 作为输出；根据功能点将主智能电厂数据模型划分为多个相互嵌套的子智能电厂数据模型，其中m为子智能电厂数据模型的个数，多个相互嵌套的子智能电厂数据模型中第一层的模型输入是x in ，第m层的模型输入是m-1层子模型的输出；图形化算子将算法拆分成设备数字镜像算子、数据筛选算子、有效性分析算子、相关性分析算子、归一化算子、模型训练算子和模型导出算子，各个算子之间串联；步骤1.3、模型训练算子根据相关性系数和归一化后的有效测点数据完成智能电厂数据模型的训练：上式中，Model为智能电厂数据模型，输入为相关性系数矩阵cor、归一化后的有效测点数据norm， 为有效数据，θ a 为智能电厂数据模型输出测点阈值的评估值。
3.根据权利要求2所述基于群厂协同的智能电厂数据模型的构建方法，其特征在于：步骤1.2具体包括以下步骤：步骤1.2.1、数据筛选算子将通过规则方法和趋势方法对业务数据进行过滤，将影响模型训练的数据从历史数据集中去除，得到已过滤的数据；上式中，x为来源于生产系统的历史数据；规则范围为R；SR为通过规则方法过滤后的业务数据；规则方法按照运行规程得到测点正常运行范围，当测点数值不在规则范围内时，通过SR数值对数据进行筛选，只保留规则范围内的数据；趋势范围为A，SA为通过趋势方法过滤后的业务数据；趋势方法按照运行人员的常识得到测点获得运行范围，当测点数值不在规则范围内时，通过SA数值对数据进行筛选，只保留规则范围内的数据；步骤1.2.2、有效性分析算子将经过步骤1.2.1处理后的数据集中的数据进行数值有效性分析，根据稀疏性统计测点的空值与无效值的占比来划分有效测点与无效测点，并选用有效测点用于模型训练；上式中，r null 为空值占比；n null 为空值数量；n total 为数值的总量；r error 为无效值占比；n error 为无效值数量；θ null 为空值占比的阈值；若测点数据大于θ null ，则判定该测点数据为无效数据；θ error 为无效值占比的阈值，若测点数据大于θ error ，则判定该测点数据为无效数据；步骤1.2.3、采用相关性分析算子对有效测点进行分析，并通过计算有效测点的协方差矩阵得到相关性系数：上式中，采用person方法计算相关性系数， 为有效数据；步骤1.2.4、归一化算子采用最大最小值方法去除有效测点数据本身的多维量纲，得到归一化后的有效测点数据：上式中，Min代表最小值，Max代表最大值，x为来源于生产系统的历史数据，norm为归一化后的有效测点数据。
4.根据权利要求1所述基于群厂协同的智能电厂数据模型的构建方法，其特征在于：步骤2中厂侧四区作为数据中枢，用于传输与存储数据；分别将数据传输到厂侧一区与集团侧。
5.根据权利要求1所述基于群厂协同的智能电厂数据模型的构建方法，其特征在于，步骤4中模型评价的标准为：在一段时间内，运行人员对实际运行过程中的真实情况与模型结果的偏差进行对比，若偏差小，则智能电厂数据模型性能好，若偏差大，则智能电厂数据模型性能差。
