1.一种配电台区日线损特征提取方法，其特征在于，包括：获取配电台区的预设时间段内的日线损数据，并对所述日线损数据进行均值归一化处理，得到归一化后的日线损数据；利用标准差公式对所述归一化后的日线损数据进行异常数据剔除，得到第一日线损数据，并根据预设类个数对预设时间段内的所有所述第一日线损数据进行二分k均值聚类处理，得到多个类；按照预设规则将多个所述类的中心点进行合并，得到多个新的类，并对所述新的类进行平均值计算，得到所述新的类的中心点，并再将所述新的类的中心点进行合并和平均值计算，重复此步骤直到所述新的类不能再合并，输出全部所述新的类，并将所述新的类的数据量低于预设数量的所述新的类剔除，得到多个处理后的类；采用自聚类算法对所述多个处理后的类按照预设分类维度进行聚类，得到特征提取结果，其中，所述特征提取结果包括高损特征类、低损特征类、平均损率特征类和高低损差率特征类；所述按照预设规则将多个所述类的中心点进行合并，得到多个新的类，具体为：计算出预设时间段内的每日所述第一日线损数据中最大值与最小值的差，将所述差作为线损率差；当两类之间各个日的中心点之间的差小于第一预设值，则所对应的日符合合并条件，若30天或者31天都符合合并条件，则将两个中点心对应的两个类进行合并，得到新的类，重复此步骤直到不能再进行合并，得到多个新的类，其中，所述第一预设值根据所述线损率差得到；采用自聚类算法对所述多个处理后的类按照预设分类维度进行聚类，得到特征提取结果，具体为：若所述类中的中心点有一日的线损率超过第二预设值，则判断所述类为单高损，若有两日的线损率超过第二预设值，则判断所述类为双高损，若有三日的线损率超过第二预设值，则判断所述类为三高损，若有超过三日的线损率超过第二预设值，则判断所述类为多高损，若所述类为相同类型，则进行聚类，得到高损特征类结果；若所述类中的中心点没有一日的线损率低于第三预设值，则判断所述类为无低损，若所述类中的中心点有一日的线损率低于第三预设值，则判断所述类为单低损，若所述类中的中心点有两日的线损率低于第三预设值，则判断所述类为双低损，若所述类中的中心点有三日的线损率低于第三预设值，则判断所述类为三低损，若有超过三日的线损率低于第三预设值，则判断所述类为多低损，若所述类为相同类型，则进行聚类，得到低损特征类结果；对所述多个处理后的类按照平均损率进行聚类个数为5的二分k均值聚类处理，得到平均损率特征类型聚类结果，其中，所述平均损率根据所有数据的平均值和最大值得到；对所述多个处理后的类按照高低损差进行聚类个数为5的二分k均值聚类处理，得到高低损差率特征类型聚类结果，其中，所述高低损差根据高损类数量和低损类数量得到；若所述类为双高损类，则再对高损日期段内的中心点进行聚类个数为5的二分k均值聚类处理；若所述类为单低损类，则对所述类分别再进行日期段聚类和对低损日期段内的中心点进行聚类个数为5的二分k均值聚类处理；若所述类为双低损类，则再对所述低损日期段内的中心点进行聚类个数为5的二分k均值聚类处理；所述并根据预设类个数对预设时间段内的所有所述第一日线损数据进行二分k均值聚类处理，得到多个类，具体为：根据排位公式确定所述预设时间段内的所有所述第一日线损数据的初始中心，其中，所述排位公式为：其中，r为排位，m为数据数量，k=1,2,3,...,m，h=1,2,3,...,k；根据所述初始中心，对所述预设时间段内的所有所述第一日线损数据进行二分k均值聚类处理，得到第二类和第三类；若得到的类的个数未达到预设个数，则选择所述第二类进行二分k均值聚类处理，得到第四类和第五类，并计算第二类、第四类和第五类的总误差平方和，选择所述第三类进行二分k均值聚类处理，得到第六类和第七类后，并计算所述第三类、所述第六类和所述第七类的总误差平方和，选取总误差平方和最小的对应类进行二分k均值聚类处理，若得到的类的个数未达到预设个数，按照此方法进行二分k均值聚类处理，直到得到预设个数的类停止聚类处理。
2.一种配电台区日线损特征提取系统，其特征在于，包括：获取模块，用于获取配电台区的预设时间段内的日线损数据，并对所述日线损数据进行均值归一化处理，得到归一化后的日线损数据；聚类处理模块，用于利用标准差公式对所述归一化后的日线损数据进行异常数据剔除，得到第一日线损数据，并根据预设类个数对预设时间段内的所有所述第一日线损数据进行二分k均值聚类处理，得到多个类；类处理模块，用于按照预设规则将多个所述类的中心点进行合并，得到多个新的类，并对所述新的类进行平均值计算，得到所述新的类的中心点，并再将所述新的类的中心点进行合并和平均值计算，重复此步骤直到所述新的类不能再合并，输出全部所述新的类，并将所述新的类的数据量低于预设数量的所述新的类剔除，得到多个处理后的类；特征提取结果模块，用于采用自聚类算法对所述多个处理后的类按照预设分类维度进行聚类，得到特征提取结果，其中，所述特征提取结果包括高损特征类、低损特征类、平均损率特征类和高低损差率特征类；类处理模块包括线损率差单元和合并单元，其中，所述线损率差单元用于计算出预设时间段内的每日所述第一日线损数据中最大值与最小值的差，将所述差作为线损率差；所述合并单元用于当两类之间各个日的中心点之间的差小于第一预设值，则所对应的日符合合并条件，若30天或者31天都符合合并条件，则将两个中点心对应的两个类进行合并，得到新的类，重复此步骤直到不能再进行合并，得到多个新的类，其中，所述第一预设值根据所述线损率差得到；特征提取结果模块包括高损特征类单元、低损特征类单元、平均损率特征单元和高低损差率特征单元，其中，所述高损特征类单元用于若所述类中的中心点有一日的线损率超过第二预设值，则判断所述类为单高损，若有两日的线损率超过第二预设值，则判断所述类为双高损，若有三日的线损率超过第二预设值，则判断所述类为三高损，若有超过三日的线损率超过第二预设值，则判断所述类为多高损，若所述类为相同类型，则进行聚类，得到高损特征类结果；所述低损特征类单元用于若所述类中的中心点没有一日的线损率低于第三预设值，则判断所述类为无低损，若所述类中的中心点有一日的线损率低于第三预设值，则判断所述类为单低损，若所述类中的中心点有两日的线损率低于第三预设值，则判断所述类为双低损，若所述类中的中心点有三日的线损率低于第三预设值，则判断所述类为三低损，若有超过三日的线损率低于第三预设值，则判断所述类为多低损，若所述类为相同类型，则进行聚类，得到低损特征类结果；所述平均损率特征单元用于对所述多个处理后的类按照平均损率进行聚类个数为5的二分k均值聚类处理，得到平均损率特征类型聚类结果，其中，所述平均损率根据所有数据的平均值和最大值得到；所述高低损差率特征单元用于对所述多个处理后的类按照高低损差进行聚类个数为5的二分k均值聚类处理，得到高低损差率特征类型聚类结果，其中，所述高低损差根据高损类数量和低损类数量得到；特征提取结果模块还用于若所述类为双高损类，则再对高损日期段内的中心点进行聚类个数为5的二分k均值聚类处理，若所述类为单低损类，则对所述类分别再进行日期段聚类和对低损日期段内的中心点进行聚类个数为5的二分k均值聚类处理，若所述类为双低损类，则再对所述低损日期段内的中心点进行聚类个数为5的二分k均值聚类处理；所述聚类处理模块包括初始中心确定单元、第一处理单元和第二处理单元，其中，所述初始中心确定单元用于根据排位公式确定所述预设时间段内的所有所述第一日线损数据的初始中心，其中，所述排位公式为：其中，r为排位，m为数据数量，k=1,2,3,...,m，h=1,2,3,...,k；所述第一处理单元用于根据所述初始中心，对所述预设时间段内的所有所述第一日线损数据进行二分k均值聚类处理，得到第二类和第三类；所述第二处理单元用于若得到的类的个数未达到预设个数，则选择所述第二类进行二分k均值聚类处理，得到第四类和第五类，并计算第二类、第四类和第五类的总误差平方和，选择所述第三类进行二分k均值聚类处理，得到第六类和第七类后，并计算所述第三类、所述第六类和所述第七类的总误差平方和，选取总误差平方和最小的对应类进行二分k均值聚类处理，若得到的类的个数未达到预设个数，按照此方法进行二分k均值聚类处理，直到得到预设个数的类停止聚类处理。
