1.一种电表数据重构方法，其特征在于，包括：获取含有缺失值的台区电表数据集，并根据所述台区电表数据集每一样本的缺失机制和缺失模式，筛选出待重构数据集；其中，所述待重构数据集包括多个待重构样本，所述台区电表包括总表和至少一个分表；所述待重构数据集指的是缺失机制为无偏缺失，且缺失模式为非户变缺失的样本分表数据；采用预设的下层循环回归重构算法，基于所述待重构数据集对缺失值进行上层重构，得到下层重构结果，并将所述待重构数据集的缺失值替换为所述下层重构结果，得到下层重构数据集；采用预设的上层循环回归重构算法，基于所述下层重构数据集对所述缺失值进行下层重构，得到所述缺失值的双层重构结果；根据能量守恒定律的电表误差求解方程，确定所述缺失值的上下界，并根据所述缺失值的双层重构结果与上下界的比较结果，得到所述缺失值的上下界重构结果；当所述缺失值的上下界重构结果满足预设突变条件时，根据预设的突变处理机制对满足预设突变条件的上下界重构结果进行处理，得到所述缺失值的最终重构结果；其中，所述下层循环回归重构算法具体包括：从所述待重构数据集中筛选出含有缺失值的分表，得到至少一个下层待重构分表，并根据缺失值数量的比较结果，确定下层重构优先级；其中，缺失值数量最少的下层待重构分表的优先级最大；根据下层重构优先级最大最先重构的原则，基于所述待重构数据集依次对每一下层待重构分表的缺失值进行重构，得到所述缺失值的初始下层重构结果，并将所述待重构数据集的缺失值更新为所述初始下层重构结果，得到初始下层重构数据集；当任一次下层重构得到的初始下层重构结果与上一次下层重构得到的初始下层重构结果的偏差在预设的范围内，将所述初始下层重构结果作为缺失值的下层重构结果，以及所述初始下层重构数据集作为下层重构数据集；否则，将所述待重构数据集更新为所述初始下层重构数据集，并返回所述根据下层重构优先级最大最先重构的原则，基于所述待重构数据集依次对每一下层待重构分表的缺失值进行重构的步骤；其中，所述上层循环回归重构算法为：将含有缺失值的分表作为上层待重构分表，得到至少一个上层待重构分表；根据缺失值数量的比较结果，确定上层重构优先级；其中，缺失值数量最少的上层待重构分表的优先级最大；根据上层重构优先级最大最先重构的原则，基于所述下层重构数据集依次对每一所述上层待重构分表的缺失值进行重构，得到缺失值的上层重构结果，并将所述下层重构数据集的缺失值更新为所述上层重构结果，得到上层重构数据集；当任一次上层重构得到的上层重构结果与上一次上层重构得到的上层重构结果的偏差在预设的范围内，将所述上层重构结果作为所述缺失值的双层重构结果；否则，更新所述下层重构数据集为上层重构数据集，并返回所述根据上层重构优先级最大最先重构的原则，基于所述下层重构数据集依次对每一所述上层待重构分表的缺失值进行重构的步骤。
2.如权利要求1所述的电表数据重构方法，其特征在于，在根据能量守恒定律的电表误差求解方程，确定所述缺失值的上下界，并根据所述缺失值的双层重构结果与上下界的比较结果，得到所述缺失值的上下界重构结果之后，还包括：当所述缺失值的上下界重构结果不满足预设突变条件时，将所述缺失值的上下界重构结果作为所述缺失值的最终重构结果。
3.如权利要求1所述的电表数据重构方法，其特征在于，所述当任一次下层重构得到的初始下层重构结果与上一次下层重构得到的初始下层重构结果的偏差在预设的范围内，将所述初始下层重构结果作为缺失值的下层重构结果，以及所述初始下层重构数据集作为下层重构数据集；否则，将所述待重构数据集更新为所述初始下层重构数据集，并返回所述根据下层重构优先级最大最先重构的原则，基于所述待重构数据集依次对每一下层待重构分表的缺失值进行重构的步骤，具体包括：选取下层重构优先级最大的下层待重构分表作为当前下层待重构分表；将所述待重构数据集中的当前下层待重构分表数据替换为总表数据，得到第一状态数据集；基于所述第一状态数据集对所述当前下层待重构分表的缺失值进行重构，得到初始下层重构结果，并将所述待重构数据集中的当前下层待重构分表的缺失值更新为所述初始下层重构结果，得到第二状态数据集；当所有下层待重构分表的缺失值都发生更新，则将所述第二状态数据集作为初始下层重构数据集；否则，根据下层重构优先级指定下一个待重构分表作为当前下层待重构分表，并将所述待重构数据集更新为所述第二状态数据集，返回所述将所述待重构数据集中的当前下层待重构分表数据替换为总表数据，得到第一状态数据集的步骤。
4.如权利要求1所述的电表数据重构方法，其特征在于，所述根据上层重构优先级最大最先重构的原则，基于所述下层重构数据集依次对每一所述上层待重构分表的缺失值进行重构，得到缺失值的上层重构结果，并将所述下层重构数据集的缺失值更新为所述上层重构结果，得到上层重构数据集，具体包括：选取上层重构优先级最大的分表作为当前上层待重构分表数据；将所述下层重构结果中的当前上层待重构分表数据替换为总表数据，得到第三状态数据集；将所述当前上层待重构分表的数据分为完整数据和缺失数据，并将完整数据作为训练集的标签、完整数据所对应的第三状态数据集数据部分作为训练集，和缺失数据所对应的第三状态数据集数据部分作为测试集；将训练集输入到预先建立的机器学习模型中，得到训练后的重构网络；将测试集输入到所述训练后的重构网络中，得到缺失值的上层重构结果，并将下层重构结果中的缺失值更新为所述上层重构结果，得到第四状态数据集；当所有上层待重构分表的缺失值都发生更新，则将所述第四状态数据集作为上层重构结果；否则，根据上层重构优先级指定下一个待上层重构分表作为当前上层待重构分表，并将所述下层重构结果更新为所述第四状态数据集，返回所述将所述下层重构结果中的当前上层待重构分表数据替换为总表数据，得到第三状态数据集的步骤。
5.如权利要求1所述的电表数据重构方法，其特征在于，所述根据能量守恒定律的电表误差求解方程，确定所述缺失值的上下界，并根据所述缺失值的双层重构结果与上下界的比较结果，得到所述缺失值的上下界重构结果，具体包括：基于能量守恒定律的电表误差求解方程，确定每一待重构样本的缺失值上界；对于每一待重构样本的缺失值，根据所述缺失值的双层重构结果与对应的缺失值上界的第一比较结果，采用预设的且与所述第一比较结果对应的上界约束调整策略对所述缺失值的双层重构结果进行调整，得到缺失值的上界约束重构结果；根据所述缺失值的上界约束重构结果与预设下界约束阈值的第二比较结果，得到与所述第二比较结果对应的缺失值的上下界重构结果。
6.如权利要求5所述的电表数据重构方法，其特征在于，所述上界约束调整策略为：对于每一待重构样本的缺失值，当所述缺失值的双层重构结果大于对应的缺失值上界时，令所述缺失值的双层重构结果等于所述缺失值上界；对于每一待重构样本的缺失值，当所述待重构样本中所有缺失值的双层重构结果之和大于等于对应的缺失值上界时，根据如下公式调整所述缺失值的双层重构结果，得到所述缺失值的上界约束重构结果；其中，x' j 为待重构样本中第j个缺失分表的缺失值的上界约束重构结果，x j 为待重构样本中第j个缺失分表的缺失值的上层重构结果，b up 为缺失值上界，η为预设损失系数，k为待重构样本中含缺失值的电表的数量。
7.如权利要求1所述的电表数据重构方法，其特征在于，所述突变条件为：所述缺失值所在位置最相邻的2r个同表数据中的最大值和最小值的差值大于预设突变阈值，其中，所述同表数据为所述缺失值所在表的数据，r>＝1；则，所述当所述缺失值的上下界重构结果满足预设突变条件时，根据预设的突变处理机制对满足预设突变条件的上下界重构结果进行处理，得到所述缺失值的最终重构结果，具体包括：当所述缺失值所在位置最相邻的2r个同表数据中的最大值和最小值的差值大于预设突变阈值时，计算所述最相邻的2r个同表数据的平均值，将所述平均值作为所述缺失值的最终重构结果。
8.一种电表数据重构装置，其特征在于，包括：待重构数据集筛选模块，用于获取含有缺失值的台区电表数据集，并根据所述台区电表数据集每一样本的缺失机制和缺失模式，筛选出待重构数据集；其中，所述待重构数据集包括多个待重构样本，所述台区电表包括总表和至少一个分表；所述待重构数据集指的是缺失机制为无偏缺失，且缺失模式为非户变缺失的样本分表数据；下层重构数据集获取模块，用于采用预设的下层循环回归重构算法，基于所述待重构数据集对缺失值进行上层重构，得到下层重构结果，并将所述待重构数据集的缺失值替换为所述下层重构结果，得到下层重构数据集；双层重构结果获取模块，用于采用预设的上层循环回归重构算法，基于所述下层重构数据集对所述缺失值进行下层重构，得到所述缺失值的双层重构结果；上下界重构结果获取模块，用于根据能量守恒定律的电表误差求解方程，确定所述缺失值的上下界，并根据所述缺失值的双层重构结果与上下界的比较结果，得到所述缺失值的上下界重构结果；最终重构结果获取模块，用于当所述缺失值的上下界重构结果满足预设突变条件时，根据预设的突变处理机制对满足预设突变条件的上下界重构结果进行处理，得到所述缺失值的最终重构结果；其中，所述下层循环回归重构算法具体包括：从所述待重构数据集中筛选出含有缺失值的分表，得到至少一个下层待重构分表，并根据缺失值数量的比较结果，确定下层重构优先级；其中，缺失值数量最少的下层待重构分表的优先级最大；根据下层重构优先级最大最先重构的原则，基于所述待重构数据集依次对每一下层待重构分表的缺失值进行重构，得到所述缺失值的初始下层重构结果，并将所述待重构数据集的缺失值更新为所述初始下层重构结果，得到初始下层重构数据集；当任一次下层重构得到的初始下层重构结果与上一次下层重构得到的初始下层重构结果的偏差在预设的范围内，将所述初始下层重构结果作为缺失值的下层重构结果，以及所述初始下层重构数据集作为下层重构数据集；否则，将所述待重构数据集更新为所述初始下层重构数据集，并返回所述根据下层重构优先级最大最先重构的原则，基于所述待重构数据集依次对每一下层待重构分表的缺失值进行重构的步骤；其中，所述上层循环回归重构算法为：将含有缺失值的分表作为上层待重构分表，得到至少一个上层待重构分表；根据缺失值数量的比较结果，确定上层重构优先级；其中，缺失值数量最少的上层待重构分表的优先级最大；根据上层重构优先级最大最先重构的原则，基于所述下层重构数据集依次对每一所述上层待重构分表的缺失值进行重构，得到缺失值的上层重构结果，并将所述下层重构数据集的缺失值更新为所述上层重构结果，得到上层重构数据集；当任一次上层重构得到的上层重构结果与上一次上层重构得到的上层重构结果的偏差在预设的范围内，将所述上层重构结果作为所述缺失值的双层重构结果；否则，更新所述下层重构数据集为上层重构数据集，并返回所述根据上层重构优先级最大最先重构的原则，基于所述下层重构数据集依次对每一所述上层待重构分表的缺失值进行重构的步骤。
