1.一种基于机器学习的配电网故障自愈方法，其特征在于，包括如下步骤：采集配电网故障前后设定时间段内的线路信息、设备运行信息以及联络开关信息；基于配电网的所述线路信息提取配电网中待监测主干线路信息，并关联主干线路上设备的故障信息和所述联络开关信息；将主干线路上收集到的信息进行标准化处理，得到主干线路上的关联设备，针对每个关联设备，将故障时收集到的所有故障信息标准化为设备之前的信息、设备自身的信息和设备之后的信息，所述关联设备为互相存在供电联系的设备；以主干线路上的标准化后的关联设备信息为训练数据，对应的故障点信息为标签，进行基于机器学习的故障识别模型训练；响应于当前主干线路复电失败信号，基于所述故障识别模型所识别的故障点位置和相应的联络开关信息进行再次复电。
2.根据权利要求1所述的基于机器学习的配电网故障自愈方法，其特征在于，所述设备运行信息具体包括：设备的告警信息、遥测信息、位置信息和录波信息。
3.根据权利要求2所述的基于机器学习的配电网故障自愈方法，其特征在于，将主干线路上收集到的信息进行标准化处理，具体包括：对主干线路上的所有设备按照所处位置进行划分，针对每个设备，得到相关联的前后设备；对所述关联设备的运行信息进行预处理，针对每个设备，得到设备本身、设备之前的信息和设备之后的信息；根据故障点发生在设备前后的情况得到所述故障点信息。
4.根据权利要求3所述的基于机器学习的配电网故障自愈方法，其特征在于，所述关联设备具体包括：当前设备的上游设备和当前设备的下游设备，其中，所述上游设备是指当其分开时会影响到当前设备的带电状态的设备，下游设备是指与当前设备分开时会影响到其带电状态的设备。
5.根据权利要求3所述的基于机器学习的配电网故障自愈方法，其特征在于，所述预处理具体包括：针对每个设备，提取设备前后的告警信息、遥测信息、位置信息和录波信息中部分或者全部，当时所述告警信息出现重复时，进行去重，当告警信息出现冲突时，根据冲突的权重或者相互抵消进行取舍，对于遥测信息采取平均值，对于录波信息转换为过流信息进行处理。
6.根据权利要求1所述的基于机器学习的配电网故障自愈方法，其特征在于，所述故障识别模型识别故障点位置，具体为：利用训练好的所述故障识别模型识别所述当前主干线路的故障点位置在某个设备之后的概率，当概率超过设定阈值时判断发生故障，此时，得到所述故障点位置。
7.根据权利要求1所述的基于机器学习的配电网故障自愈方法，其特征在于，当进行再次复电时，若存在多个复电联络开关时，选取负荷最低的联络开关进行复电。
8.一种基于机器学习的配电网故障自愈系统，其特征在于，包括：信息采集单元，用于采集配电网故障前后设定时间段内的线路信息、设备运行信息以及联络开关信息；信息提取单元，用于基于配电网的所述线路信息提取配电网中待监测主干线路信息，并关联主干线路上设备的故障信息和所述联络开关信息；信息处理单元，用于将主干线路上收集到的信息进行标准化处理，得到主干线路上的关联设备，针对每个关联设备，将故障时收集到的所有故障信息标准化为设备之前的信息、设备自身的信息和设备之后的信息，所述关联设备为互相存在供电联系的设备；模型训练单元，用于以主干线路上的标准化后的关联设备信息为训练数据，对应的故障点信息为标签，进行基于机器学习的故障识别模型训练；备用复电单元，响应于当前主干线路复电失败信号，用于基于所述故障识别模型所识别的故障点位置和相应的联络开关信息进行再次复电。
9.一种基于机器学习的配电网故障自愈设备，其特征在于，所述设备包括处理器以及存储器：所述存储器用于存储计算机程序，并将所述计算机程序的指令发送至处理器；所述处理器根据所述计算机程序的指令执行如权利要求1-7中任一项所述的一种基于机器学习的配电网故障自愈方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于机器学习的配电网故障自愈方法。
