1.一种基于模糊逻辑的电厂无人值守设备控制方法，其特征在于，包括：获取第一信息，所述第一信息包括电厂设备之间连接关系的历史数据、各所述电厂设备状态参数的历史数据和预设的专家经验规则库，所述专家经验规则库包括各所述电厂设备的控制策略；获取第二信息，所述第二信息包括电厂设备之间连接关系的实时数据和各所述电厂设备状态参数的实时数据；根据所述电厂设备之间连接关系的历史数据，基于图论方法构建电厂设备之间的复杂网络拓扑结构，并对所述复杂网络拓扑结构进行特征提取，得到网络结构特征；将所述网络结构特征和所述状态参数的历史数据映射到模糊集合，并根据所述模糊集合构建特征向量矩阵；根据所述特征向量矩阵和所述专家经验规则库，基于密度聚类算法制定模糊规则，得到模糊规则库；根据所述第二信息和所述模糊规则库进行模糊推理，得到模糊输出，根据所述模糊输出控制所述电厂设备；其中,根据所述第二信息和所述模糊规则库进行模糊推理，得到模糊输出，根据所述模糊输出控制所述电厂设备：将所述第二信息与所述模糊规则库中的模糊规则进行匹配，并计算相应的匹配度；根据所述匹配度确定模糊输出；将所述模糊输出解模糊化为实时控制策略，根据所述实时控制策略控制所述电厂设备。
2.根据权利要求1所述的基于模糊逻辑的电厂无人值守设备控制方法，其特征在于,根据所述电厂设备之间连接关系的历史数据，基于图论方法构建电厂设备之间的复杂网络拓扑结构，包括：将每个所述电厂设备作为一个节点，根据各所述节点构建设备节点集合；根据各所述电厂设备之间连接关系的历史数据在各所述电厂设备之间建立边，所述连接关系包括物理连接、信号传输和数据交换；根据所述节点集合和所述电厂设备之间建立的边构建电厂设备之间的复杂网络拓扑结构。
3.根据权利要求1所述的基于模糊逻辑的电厂无人值守设备控制方法，其特征在于,对所述复杂网络拓扑结构进行特征提取，得到网络结构特征，包括：根据所述复杂网络拓扑结构构建邻接矩阵；根据所述邻接矩阵获取节点的数量、节点之间的连接关系、与各所述节点相连的三角形的数量、节点之间的最短路径数量和通过各节点的最短路径数量；根据所述节点的数量和所述节点之间的连接关系提取每个所述节点的度；根据所述节点的度和与各所述节点相连的三角形的数量提取每个所述节点的聚类系数；根据所述节点之间的最短路径数量和通过各所述节点的最短路径数量提取每个所述节点的介数中心性。
4.根据权利要求3所述的基于模糊逻辑的电厂无人值守设备控制方法，其特征在于,所述状态参数包括电厂设备的温度、压力和流量，将所述网络结构特征和所述状态参数的历史数据映射到模糊集合，包括：将所述节点的度分别映射到低度模糊集合、中度模糊集合和高度模糊集合，并分别设定所述低度模糊集合、中度模糊集合和高度模糊集合的隶属函数；将所述聚类系数分别映射到低聚类系数模糊集合、中聚类系数模糊集合和高聚类系数模糊集合，并分别设定所述低聚类系数模糊集合、中聚类系数模糊集合和高聚类系数模糊集合的隶属函数；将所述介数中心性分别映射到低介数中心性模糊集合、中介数中心性模糊集合和高介数中心性模糊集合，并分别设定所述低介数中心性模糊集合、中介数中心性模糊集合和高介数中心性模糊集合的隶属函数；将所述温度分别映射到低温集合、中温集合和高温集合，并分别设定所述低温模糊集合、中温模糊集合和高温模糊集合的隶属函数；将所述压力分别映射到低压集合、中压集合和高压集合，并分别设定所述低压模糊集合、中压模糊集合和高压模糊集合的隶属函数；将所述流量分别映射到低流量集合、中流量集合和高流量集合，并分别设定所述低流量模糊集合、中流量模糊集合和高流量模糊集合的隶属函数。
5.根据权利要求4所述的基于模糊逻辑的电厂无人值守设备控制方法，其特征在于,所述状态参数包括电厂设备的温度、压力和流量，将所述网络结构特征和所述状态参数的历史数据映射到模糊集合，包括：对于节点的度k i ，将其映射到低度K L 、中度K M 和高度K H 三个模糊集合中，对应的隶属度函数分别为 和 其中：对于节点的聚类系数C i ，将其映射到低聚类系数C L 、中聚类系数C M 和高聚类系数C H 三个模糊集合中，对应的隶属度函数分别为 和 其中：对于节点的介数中心性B i ，将其映射到低介数中心性B L 、中介数中心性B M 和高介数中心性B H 三个模糊集合，对应的隶属度函数分别为 和 其中：对于设备温度T i ，将其映射到低温T L 、中温T M 和高温T H 三个模糊集合，对应的隶属度函数分别为 和 其中：对于设备压力P i ，将其映射到低压T L 、中压T M 和高压T H 三个模糊集合，对应的隶属度函数分别为 和 其中：对于设备流量Q i ，将其映射到低流量Q L 、中流量Q M 和高流量Q H 三个模糊集合，对应的隶属度函数分别为 和 其中：
6.根据权利要求1或4所述的基于模糊逻辑的电厂无人值守设备控制方法，其特征在于，根据所述模糊集合构建特征向量矩阵，包括：根据各所述电厂设备的模糊集合和所述模糊集合对应的隶属函数获取各所述电厂设备的所有隶属度向量；连接各所述电厂设备的所有隶属度向量构成各所述电厂设备的特征向量；将所有设备的特征向量排列组成特征向量矩阵，所述特征向量矩阵的行代表每个所述电厂设备，列代表每个所述电厂设备的特征向量。
7.根据权利要求1所述的基于模糊逻辑的电厂无人值守设备控制方法，其特征在于,根据所述特征向量矩阵，基于密度聚类算法进行模糊规则制定，得到模糊规则库，包括基于密度聚类算法对所述特征向量矩阵进行聚类，得到若干个簇；将所述簇设置为所述模糊规则的条件部分，根据所述专家经验规则库中预设的控制策略确定所述模糊规则的结论部分，得到所述模糊规则；根据所述模糊规则构建模糊规则库。
8.根据权利要求1所述的基于模糊逻辑的电厂无人值守设备控制方法，其特征在于,获取第一信息，包括：获取历史原始数据，电厂设备之间连接关系的历史原始数据和各所述电厂设备状态参数的历史原始数据；基于深度学习的自编码器对所述历史原始数据进行异常值检测，得到第一数据；基于高阶图卷积神经网络对所述第一数据进行插值处理，得到第二数据；基于最大最小归一化方法对所述第二数据进行数据归一化处理，得到所述第一信息。
9.一种基于模糊逻辑的电厂无人值守设备控制装置，其特征在于，包括：第一获取模块，所述第一获取模块用于获取第一信息，所述第一信息包括电厂设备之间连接关系的历史数据、各所述电厂设备状态参数的历史数据和预设的专家经验规则库，所述专家经验规则库包括各所述电厂设备的控制策略；第二获取模块，所述第二获取模块用于获取第二信息，所述第二信息包括电厂设备之间连接关系的实时数据和各所述电厂设备状态参数的实时数据；特征提取模块，所述特征提取模块用于根据所述电厂设备之间连接关系的历史数据，基于图论方法构建电厂设备之间的复杂网络拓扑结构，并对所述复杂网络拓扑结构进行特征提取，得到网络结构特征；构建模块，所述构建模块用于将所述网络结构特征和所述状态参数的历史数据映射到模糊集合，并根据所述模糊集合构建特征向量矩阵；制定模块，所述制定模块用于根据所述特征向量矩阵和所述专家经验规则库，基于密度聚类算法制定模糊规则，得到模糊规则库；推理模块，所述推理模块用于根据所述第二信息和所述模糊规则库进行模糊推理，得到模糊输出，根据所述模糊输出控制所述电厂设备；其中,根据所述第二信息和所述模糊规则库进行模糊推理，得到模糊输出，根据所述模糊输出控制所述电厂设备：将所述第二信息与所述模糊规则库中的模糊规则进行匹配，并计算相应的匹配度；根据所述匹配度确定模糊输出；将所述模糊输出解模糊化为实时控制策略，根据所述实时控制策略控制所述电厂设备。
