1.一种基于人工智能技术的电网故障诊断方法，其特征在于，包括以下步骤：步骤1：对故障发生后的电网的报警信息进行分类，根据信号类型不同，将报警信息分成两类：一类为数值型信息，一类为文本型信息；步骤2：采用第一人工智能模型对数值型信息进行电网的故障诊断；所述第一人工智能模型为卷积神经网络模型；步骤3：采用第二人工智能模型对文本型信息进行电网的故障诊断；所述第二人工智能模型为BP神经网络模型；所述第二人工智能模型用于对电网进行故障诊断的具体流程为：步骤3.1：获取系统采集的历史故障中的文本型信息作为样本集；步骤3.2：采用分词模型对所述样本集进行向量化表示；步骤3.3：对每个所述样本集贴上故障事件标签，用于得到训练所述BP神经网络模型的故障样本集；步骤3.4：搭建和训练所述BP神经网络模型；步骤3.5：将实际采集到的文本型信息经所述步骤3.2处理后，输入到所述BP神经网络模型中，从而得到电网诊断结论；步骤4：判断所述步骤2得到的电网诊断结论与所述步骤3得到的电网诊断结论是否相同；若相同，则确定为最终电网的最终故障，若不同，则专家介入进行电网故障的诊断。
2.根据权利要求1所述的基于人工智能技术的电网故障诊断方法，其特征在于，所述数值型信息包括：故障电压幅值、故障电压相位、故障电流幅值、故障电流相位；所述文本型信息包括：监控系统上报的故障描述文本。
3.根据权利要求2所述的基于人工智能技术的电网故障诊断方法，其特征在于，所述第一人工智能模型用于对电网进行故障诊断的具体流程为：步骤2.1：通过仿真系统搭建电网拓扑结构模型，并设置不同的故障点，从而得到多个故障样本集；步骤2.2：故障样本集的数据进行均一化预处理；所述均一化预处理公式为：其中，x′ i 为归一化后的电气量值，xi为第i个电气量值，x min 和x max 分别为数据中的最小值和最大值；步骤2.3：构建第一深度学习模型；所述第一深度学习模型为卷积神经网络模型，所述卷积神经网络模型包括输入层、卷积层、池化层、全连接层和分类层；步骤2.4：将所述故障样本集按照8:2比例分成训练集和测试集；并对第一深度学习模型进行训练，从而得到最优网络参数；步骤2.5：将实际采集到的数值型信息经过预处理后，输入到所述第一深度学习模型中，从而得到电网诊断结论。
4.根据权利要求3所述的基于人工智能技术的电网故障诊断方法，其特征在于，通过Simulink平台搭建所述电网拓扑结构模型。
5.根据权利要求1所述的基于人工智能技术的电网故障诊断方法，其特征在于，所述电网诊断结论包括故障类型以及故障位置。
6.根据权利要求1所述的基于人工智能技术的电网故障诊断方法，其特征在于，所述步骤3.2具体为：将每条所述文本型信息按照厂站、设备、设备描述、动作描述进行分词，并生成词向量；然后根据词向量生成文本向量，从而将每条文本型信息转换成了文本向量。
7.一种基于人工智能技术的电网故障诊断系统，采用权利要求1-6任一项所述的电网故障诊断方法，该系统还包括：报警信息分类模块，用于对故障发生后的电网的报警信息进行分类；第一故障诊断模块，用于采用第一人工智能模型对数值型信息进行电网的故障诊断；第二故障诊断模块，用于采用第二人工智能模型对文本型信息进行电网的故障诊断；最终故障确定模块，用于判断所述步骤2得到的电网诊断结论与所述步骤3得到的电网诊断结论是否相同；若相同，则确定为最终电网的最终故障，若不同，则专家介入进行电网故障的诊断。
