1.考虑节点连通度损失的电网阻塞风险评估方法，其特征在于，包括：利用目标电网的网架结构和目标电网的运行方式数据，结合电力系统分析计算模型生成的仿真数据和电网实际运行的历史数据，形成待处理数据；对待处理数据进行预处理；对预处理后的数据增加考虑节点连通度损失的指标作为数据属性，利用考虑节点连通度损失指标的数据，建立电网阻塞风险指标对预处理后的数据进行标定，生成阻塞风险评估样本集；其中，所述考虑节点连通度损失的指标是指连续两个运行时刻系统节点连通度的损失： 表示t时刻系统的节点连通度损失，C t 、C t-1 分别表示t、t-1时刻系统的节点连通度；所述建立电网阻塞风险指标对预处理后的数据进行标定具体为：将预处理后的数据下电网阻塞风险标签定义为线路功率过载指标R，即： 其中： K指电网总线路个数，ρ k 为线路k功率过载影响；p k 为线路k传输功率， 为线路k额定最大传输功率，μ k 表示线路k重要程度因子；利用特征提取技术对阻塞风险评估样本集进行降维处理；针对降维处理后的阻塞风险评估样本集，搭建电网阻塞风险评估神经网络模型，并进行电网阻塞风险评估神经网络模型训练，采用训练好的电网阻塞风险评估神经网络模型对电网阻塞风险进行评估，其中，所述电网阻塞风险评估神经网络模型采用包含长短期记忆神经网络以及反向传播神经网络的复合模型。
2.根据权利要求1所述的考虑节点连通度损失的电网阻塞风险评估方法，其特征在于，所述目标电网的网架结构是指各种正常、检修、新投运线路与主变压器，以及考虑拓扑控制的运行调度情形下的所有网架结构；所述目标电网的运行方式数据包括常规发电机组、新能源机组、负荷和直流输送功率参数下的多种潮流运行方式。
3.根据权利要求2所述的考虑节点连通度损失的电网阻塞风险评估方法，其特征在于，所述电力系统分析计算模型生成的仿真数据是指根据各种能够进行电力系统稳态潮流计算的分析软件生成的稳态计算仿真数据；所述电网实际运行的历史数据是指多种网架结构、多种运行方式下实际运行记录下来的历史稳态潮流数据。
4.根据权利要求1所述的考虑节点连通度损失的电网阻塞风险评估方法，其特征在于，所述对待处理数据进行预处理具体过程为：对待处理数据依次进行数据去噪、异常数据清洗、缺失数据补全和数据归一化处理。
5.根据权利要求1所述的考虑节点连通度损失的电网阻塞风险评估方法，其特征在于，所述阻塞风险评估样本集指不同网架结构、不同运行方式下的进行数据标定后的机器学习训练样本集。
6.根据权利要求1所述的考虑节点连通度损失的电网阻塞风险评估方法，其特征在于，所述利用特征提取技术对阻塞风险评估样本集进行降维处理具体为：利用特征提取算法进行数据特征降维，所述特征提取算法采用最小冗余最大相关法或主成分分析法。
7.考虑节点连通度损失的电网阻塞风险评估系统，其特征在于，包括：待处理数据获取模块：用于利用目标电网的网架结构和目标电网的运行方式数据，结合电力系统分析计算模型生成的仿真数据和电网实际运行的历史数据，形成待处理数据；预处理模块：用于对待处理数据进行预处理；阻塞风险评估样本集生成模块：用于对预处理后的数据增加考虑节点连通度损失的指标作为数据属性，利用考虑节点连通度损失指标的数据，建立电网阻塞风险指标对预处理后的数据进行标定，生成阻塞风险评估样本集；其中，所述考虑节点连通度损失的指标是指连续两个运行时刻系统节点连通度的损失： 表示t时刻系统的节点连通度损失，C t 、C t-1 分别表示t、t…1时刻系统的节点连通度；所述建立电网阻塞风险指标对预处理后的数据进行标定具体为：将预处理后的数据下电网阻塞风险标签定义为线路功率过载指标R，即： 其中： K指电网总线路个数，ρ k 为线路k功率过载影响；p k 为线路k传输功率， 为线路k额定最大传输功率，μ k 表示线路k重要程度因子；降维模块：用于利用特征提取技术对阻塞风险评估样本集进行降维处理；评估模块：用于针对降维处理后的阻塞风险评估样本集，搭建电网阻塞风险评估神经网络模型，并进行电网阻塞风险评估神经网络模型训练，采用训练好的电网阻塞风险评估神经网络模型对电网阻塞风险进行评估，其中，所述电网阻塞风险评估神经网络模型采用包含长短期记忆神经网络以及反向传播神经网络的复合模型。
