1.一种电网调度支持系统故障诊断方法，其特征是，包括以下步骤：获取服务器、进程的运维指标采集数据；在预设固定时间，基于指标时序预测算法得到预设时间范围的指标未来预测数据；包括：在预设固定时间，获取预设时间范围内的运维指标采样数据；对运维指标采样数据进行曲线分类；根据运维指标采样数据的曲线分类结果，根据时序预测算法更新或重新训练时序预测模型；根据时序预测模型，预测下一个预设时间范围的运维指标采样数据并保存至数据仓库；结合运维指标异常检测算法，识别系统运行故障，生成运行故障信息；所述运维指标异常检测算法包括：基于实时采集的运维指标数据缺失异常检测算法；基于Mann-kendall法的运维指标缓慢爬坡异常检测算法；基于多算法集成学习的运维指标跳跃突变异常检测算法；汇总所有运行故障信息，完成运行故障检测，发送运行故障告警；包括：实时获取得到的运行故障告警信息，基于多阈值的告警分级，发送运行故障分级告警；在预设固定时间，获取运行故障告警信息进行多指标告警归纳，保存并发送运行故障归纳告警；基于相关性系数的多维度告警分析算法，保存并发送运行故障分析告警。
2.根据权利要求1所述的一种电网调度支持系统故障诊断方法，其特征在于，所述根据时序预测算法更新或重新训练时序预测模型，包括：获取上一预设时间训练得到的指标时序预测模型，判断曲线分类结果与指标时序预测模型是否匹配；如果不匹配或不存在，根据时序预测算法重新训练时序预测模型并保存；如果匹配，根据时序预测算法更新时序预测模型并保存。
3.根据权利要求1所述的一种电网调度支持系统故障诊断方法，其特征在于，所述对运维指标采样数据进行曲线分类，包括：判断是否存在数据缺失量超过预设范围，如果是，则属于缺失型；判断数据是否为恒定值，如果是，则属于恒值型；判断是否最大值小于中位数的预设倍数，如果是，则属于微浮动型；判断是否基于ADF检验判定序列平稳性，如果是，则基于傅立叶变换和自相关系数检测时序数据是否存在周期：如果存在周期，则属于周期型；如果不存在周期，属于平稳型；还包括，按日切分运维指标采样数据进行曲线分类：判断近几日是否存在缺失数据量超过预设范围，如果是，则属于近期缺失型；判断近几日数据是否为恒定值，如果是，则属于近期恒值型；判断近几日是否最大值小于中位数的1.1倍，如果是，则属于近期微浮动型；判断近几日是否基于ADF检验判定序列平稳的，如果是，则属于近期平稳型；如果上述均不是，则属于不规则型。
4.根据权利要求3所述的一种电网调度支持系统故障诊断方法，其特征在于，所述时序预测算法包括但不限于LGB算法、LSTM算法、指数平均算法；其中，所述LGB算法对应于周期型；所述LSTM算法对应于不规则型；所述指数平均算法对应于缺失型、恒值型、微浮动型、平稳型、近期缺失型、近期恒值型、近期微浮动型和近期平稳型。
5.根据权利要求1所述的一种电网调度支持系统故障诊断方法，其特征在于，所述基于Mann-kendall法的运维指标缓慢爬坡异常检测算法，包括：获取预设时间周期内的运维指标采样数据；基于Mann-kendall法检验运维指标数据趋势；根据预设检测时间窗口大小重复上述步骤，预设若存在连续数个时间窗口内运维指标数据趋势均呈单调递增，则判定运维指标存在缓慢爬坡异常，并生成指标缓慢爬坡运行故障信息。
6.根据权利要求1所述的一种电网调度支持系统故障诊断方法，其特征在于，所述基于多算法集成学习的运维指标跳跃突变异常检测算法，包括：根据运维指标采样周期，实时获取运维指标采样数据序列；将运维指标采样数据基于多算法进行异常值检测，如有超过半数将新数据判断为异常，则认为该条数据可能存在异常，则生成指标跳跃突变运行故障信息；所述多算法包括但不限于N-sigma、TukeyTest和LOF。
7.根据权利要求1所述的一种电网调度支持系统故障诊断方法，其特征在于，所述多阈值，包括：基于多算法集成学习得到的基准阈值；基于未来预测指标得到的动态阈值；基于专家经验得到的红线阈值。
8.根据权利要求1所述的一种电网调度支持系统故障诊断方法，其特征在于，所述告警分级包括：当指标采集值小于基准阈值，保存为提示告警；当指标采集值大于基准阈值且小于动态阈值，保存为次要告警；当指标采集值大于动态阈值且小于红线阈值，保存并发送重要告警；当指标采集值大于红线阈值，保存并发送紧急告警。
9.根据权利要求1所述的一种电网调度支持系统故障诊断方法，其特征在于，所述多维度告警分析，包括：（a）实时获取运行故障信息，并基于历史运行故障信息进行相关性分析，抑制运行指标重复性告警，生成运行突发性异常故障告警；包括：实时与历史运行故障信息数据强相关，抑制运行指标重复性告警；实时与历史运行故障信息数据弱相关，生成运行突发性异常故障告警；（b）基于服务器、进程运行故障信息的相关性分析，生成进程影响链告警。
10.一种电网调度支持系统故障诊断装置，用于实行权利要求1-9任意一项所述的诊断方法，其特征在于，包括以下模块：运维指标采集数据获取模块，用于获取服务器、进程的运维指标采集数据；指标未来预测数据生成模块，用于根据预设固定时间，基于指标时序预测算法得到预设时间范围的指标未来预测数据；运维指标异常检测算法模块，用于根据异常检测算法生成运行故障信息；运行故障告警生成模块，用于汇总所有运行故障信息，发送运行故障告警。
11.根据权利要求10所述的电网调度支持系统故障诊断装置，其特征在于，所述指标未来预测数据生成模块包括：指标采样曲线分类子模块，用于将运维指标采集数据进行分类；运维指标时序预测子模块，用于根据训练和更新运维指标预测模型，并根据模型生成指标预测数据。
12.根据权利要求10所述的电网调度支持系统故障诊断装置，其特征在于，所述运维指标异常检测算法模块，包括：运维指标缺失检测子模块，用于生成指标缺失故障信息；运维指标缓慢爬坡检测子模块，用于基于运维指标缓慢爬坡异常检测算法，生成指标缓慢爬坡故障信息；运维指标跳跃突变检测子模块，用于基于运维指标跳跃突变异常检测算法，生成指标跳跃突变故障信息。
13.根据权利要求10所述的电网调度支持系统故障诊断装置，其特征在于，所述运行故障告警生成模块，包括：运行故障分级告警实时生成子模块，用于实时获取运行故障告警信息，基于多阈值告警分级，保存并发送运行故障分级告警；运行故障归纳告警生成子模块，用于根据预设固定时间，获取运行故障告警信息进行多指标告警归纳，保存并发送运行故障归纳告警；运行故障分析告警生成子模块，用于获取运行故障告警信息，基于相关性系数的多维度告警分析，保存并发送运行故障分析告警。
