1.一种变电检修决策的优化方法，其特征在于，包括：以电网状态作为马尔可夫决策过程的状态，以变电检修决策作为马尔可夫决策过程的动作，以电网状态转移作为马尔可夫决策过程的策略，以采取变电检修决策安排后获得的电网运行状态改善值作为马尔可夫决策过程的奖励，建立基于马尔可夫决策过程的变电检修决策优化模型；对所述基于马尔可夫决策过程的变电检修决策优化模型进行求解，得到最优的变电检修决策；其中，对所述基于马尔可夫决策过程的变电检修决策优化模型进行求解，需满足最小化检修停电电量、最大化用户停电满意度和最优化各类型设备检修资源配置的约束条件；所述最小化检修停电电量约束如下：其中，F ens 表示检修停电电量最小值，i＝1,…,N C 为用户编号，N C 为总用户数，Q i 代表用户i在停电计划执行后的总停电电量；所述最大化用户停电满意度约束如下：其中，F sat 表示用户停电满意度最大值，S i 表示用户i在停电执行后的满意度，C CoCi 为用户i的停电时间序列，Var(C CoCi )为用户i的停电时间方差， 为用户i在停电计划周期内的停电次数；所述最优化各类型设备检修资源配置约束如下：其中，F optcon 表示各类型设备的检修时间差异度最小值，L、T、K分别表示线路、变压器、开关设备类型，Var(E L,T,K,j )为j类型设备的停电时间方差；还需满足以下约束条件：A、电网安全约束，包括节点电压约束和线路潮流约束；B、检修关系约束，包括同时检修约束和互斥检修约束；C、检修资源约束表示为：其中，x i (t)为t时刻内设备i所处的状态，r i,k 为设备i进行检修对物资资源k的需求量，r k (t)为t时刻内人员和物资资源的可用量，N M 为设备个数；D、检修时间约束表示为：b i ≤x i (t)≤e i ；其中，b i 为设备i允许检修的最早时间，e i 为设备i允许检修的最晚时间。
2.根据权利要求1所述的一种变电检修决策的优化方法，其特征在于，所述建立基于马尔可夫决策过程的变电检修决策优化模型，包括：M＝{S,A,P s,a ,R}其中，S代表电网状态集合，s∈S，s代表某一电网状态，A代表变电检修决策集合，a∈A，a代表某一变电检修决策，P s,a 代表转移模型，表示从电网状态s采取变电检修决策a转移到另一电网状态的概率，R为采取变电检修决策后获得的电网运行状态改善值，所述电网运行状态改善值通过建立相应的指标评价体系进行量化评估得到；所述变电检修决策安排包括检修对象、检修开始时间和检修结束时间。
3.根据权利要求2所述的一种变电检修决策的优化方法，其特征在于，对所述基于马尔可夫决策过程的变电检修决策优化模型进行求解，包括：基于采取变电检修决策后获得的回报，计算状态价值函数以及动作价值函数；以最小化检修停电电量、最大化用户停电满意度以及最优化各类型设备检修资源配置为约束，求解所述状态价值函数与动作价值函数的最大值，得到最优的变电检修决策。
4.根据权利要求3所述的一种变电检修决策的优化方法，其特征在于，以t时刻电网运行状态s能获得的未来回报的期望作为状态价值函数；以t时刻基于电网运行状态s选择变电检修决策a能获得的未来回报的期望作为动作价值函数；其中，选择变电检修决策后能获得的未来回报计算为：其中，U为选择变电检修决策后能获得的未来回报，γ t 代表t时刻下的折扣率，γ t ∈[0,1]，R(s t )代表t时刻下的电网运行状态改善值。
5.一种变电检修决策的优化装置，其特征在于，用于实现权利要求1至4任意一项所述的一种变电检修决策的优化方法，所述装置包括：构建模块，用于以电网状态作为马尔可夫决策过程的状态，以变电检修决策作为马尔可夫决策过程的动作，以电网状态转移作为马尔可夫决策过程的策略，以采取变电检修决策安排后获得的电网运行状态改善值作为马尔可夫决策过程的奖励，建立基于马尔可夫决策过程的变电检修决策优化模型；所述模型需满足以下约束条件：最小化检修停电电量约束为：其中，F ens 表示检修停电电量最小值，i＝1,...,N C 为用户编号，N C 为总用户数，Q i 代表用户i在停电计划执行后的总停电电量；最大化用户停电满意度约束为：其中，F sat 表示用户停电满意度最大值，S i 表示用户i在停电执行后的满意度，C CoCi 为用户i的停电时间序列，Var(C CoCi )为用户i的停电时间方差， 为用户i在停电计划周期内的停电次数；最优化各类型设备检修资源配置约束为：其中，F optcon 表示各类型设备的检修时间差异度最小值，L、T、K分别表示线路、变压器、开关设备类型，Var(E L,T,K,j )为j类型设备的停电时间方差；以及，A、电网安全约束，包括节点电压约束和线路潮流约束；B、检修关系约束，包括同时检修约束和互斥检修约束；C、检修资源约束表示为：其中，x i (t)为t时刻内设备i所处的状态，r i,k 为设备i进行检修对物资资源k的需求量，r k (t)为t时刻内人员和物资资源的可用量，N M 为设备个数；D、检修时间约束表示为：b i ≤x i (t)≤e i ；其中，b i 为设备i允许检修的最早时间，e i 为设备i允许检修的最晚时间；决策模块，用于对所述基于马尔可夫决策过程的变电检修决策优化模型进行求解，得到最优的变电检修决策。
6.根据权利要求5所述的一种变电检修决策的优化装置，其特征在于，所述构建模块具体用于，建立基于马尔可夫决策过程的变电检修决策优化模型如下：M＝{S,A,P s,a ,R}其中，S代表电网状态集合，s∈S，s代表某一电网状态，A代表变电检修决策集合，a∈A，a代表某一变电检修决策，P s,a 代表转移模型，表示从电网状态s采取变电检修决策a转移到另一电网状态的概率，R为采取变电检修决策后获得的电网运行状态改善值，所述电网运行状态改善值通过建立相应的指标评价体系进行量化评估得到；所述变电检修决策安排包括检修对象、检修开始时间和检修结束时间。
7.根据权利要求6所述的一种变电检修决策的优化装置，其特征在于，所述决策模块具体用于，以t时刻电网运行状态s能获得的未来回报的期望作为状态价值函数，以t时刻基于电网运行状态s选择变电检修决策a能获得的未来回报的期望作为动作价值函数，基于采取变电检修决策后获得的回报，计算状态价值函数以及动作价值函数；以最小化检修停电电量、最大化用户停电满意度以及最优化各类型设备检修资源配置为约束，求解所述状态价值函数与动作价值函数的最大值，得到最优的变电检修决策；其中，选择变电检修决策后能获得的未来回报计算为：其中，U为选择变电检修决策后能获得的未来回报，γ t 代表t时刻下的折扣率，γ t ∈[0,1]，R(s t )代表t时刻下的电网运行状态改善值。
8.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至4所述的方法中的任一方法。
9.一种计算设备，其特征在于：包括，一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至4所述的方法中的任一方法的指令。
