1.一种基于优先策略的电力系统暂态稳定评估方法，其特征在于，包括：根据电力系统的多个运行样本数据形成第一评估序列；根据多个所述运行样本数据分别对应的信息熵指标的数值比较关系对所述第一评估序列进行更新，形成第二评估序列；利用预先训练的神经网络级联模型对所述第二评估序列进行暂态稳定类别预测，并利用预测结果对所述预先训练的神经网络级联模型进行优化；其中，所述预先训练的神经网络级联模型用于输入所述运行样本数据，并输出所述运行样本数据对应的暂态稳定类别的预测结果；所述预先训练的神经网络级联模型包括多个串联的神经网络模型；所述利用预先训练的神经网络级联模型对所述第二评估序列进行暂态稳定类别预测，并利用预测结果对所述预先训练的神经网络级联模型进行优化的步骤，包括：将所述第二评估序列输入至所述预先训练的神经网络级联模型内的第一神经网络模型中进行预测，得到所述第二评估序列对应的暂态稳定类别预测结果；利用所述第二评估序列对应的暂态稳定类别预测结果以及暂态稳定类别仿真结果确定所述第二评估序列的置信度；当所述第二评估序列的置信度未达到预设的置信度阈值，则将扩大当前运行仿真时间窗口后的多个运行样本数据更新所述第二评估序列中；将更新后的第二评估序列输入与所述第一神经网络模型相邻的第二神经网络模型中进行预测，得到所述更新后的第二评估序列对应的暂态稳定类别预测结果；利用所述更新后的第二评估序列对应的暂态稳定类别预测结果以及暂态稳定类别仿真结果确定所述更新后的第二评估序列的置信度；当所述更新后的第二评估序列的置信度未达到预设的置信度阈值，则继续扩大当前运行仿真时间窗口后的多个运行样本数据更新所述第二评估序列中，并以此类推进行迭代，直至所述第二评估序列的置信度达到所述预设的置信度阈值或达到预设的最大运行时间窗口时，迭代停止，输出迭代停止后的神经网络级联模型。
2.根据权利要求1所述的基于优先策略的电力系统暂态稳定评估方法，其特征在于，所述根据多个所述运行样本数据分别对应的信息熵指标的数值比较关系对所述第一评估序列进行更新，形成第二评估序列的步骤之前，还包括：计算多个所述运行样本数据分别对应的信息熵指标的步骤；所述计算多个所述运行样本数据分别对应的信息熵指标的步骤，包括：针对每个所述运行样本数据，将所述运行样本数据输入至预先训练的神经网络模型中，输出所述运行样本数据对应的各暂态稳定类别的预测概率；利用所述运行样本数据对应的各暂态稳定类别的预测概率进行加权求和计算，得到所述运行样本数据对应的信息熵指标。
3.根据权利要求1所述的基于优先策略的电力系统暂态稳定评估方法，其特征在于，所述根据多个所述运行样本数据分别对应的信息熵指标的数值比较关系对所述第一评估序列进行更新，形成第二评估序列的步骤，包括：将多个所述运行样本数据分别对应的信息熵指标与信息熵阈值进行对比，筛选出所述信息熵指标大于所述信息熵阈值的多个运行样本数据作为关键运行样本数据；将多个所述关键运行样本数据按照所述信息熵指标的数值比较关系进行降序排列，得到第二评估序列。
4.根据权利要求2所述的基于优先策略的电力系统暂态稳定评估方法，其特征在于，所述利用预先训练的神经网络级联模型对所述第二评估序列进行暂态稳定类别预测，并利用预测结果对所述预先训练的神经网络级联模型进行优化；其中，所述预先训练的神经网络级联模型用于输入所述运行样本数据，并输出所述运行样本数据对应的暂态稳定类别的预测结果的步骤之后，还包括：在所述预先训练的神经网络模型进行网络参数优化后，基于网络参数优化后的预先训练的神经网络模型重新计算每个所述运行样本数据对应的信息熵指标；利用重新计算的所述运行样本数据对应的信息熵指标的数值比较关系对所述第二评估序列进行更新。
5.根据权利要求1所述的基于优先策略的电力系统暂态稳定评估方法，其特征在于，将扩大当前运行仿真时间窗口后的多个运行样本数据更新所述第二评估序列中的步骤，包括：获取扩大当前运行仿真时间窗口后的多个运行样本数据；根据所获取的扩大当前运行仿真时间窗口后的多个运行样本数据分别对应的信息熵指标的数值比较关系更新所述第二评估序列。
6.根据权利要求1所述的基于优先策略的电力系统暂态稳定评估方法，其特征在于，当神经网络级联模型迭代停止后，利用所述神经网络级联模型的最后一次迭代的输入量和输出结果对所述神经网络级联模型内的神经网络模型进行网络参数优化。
7.一种基于优先策略的电力系统暂态稳定评估装置，其特征在于，包括：序列构成模块，用于根据电力系统的多个运行样本数据形成第一评估序列；序列更新模块，用于根据多个所述运行样本数据分别对应的信息熵指标的数值比较关系对所述第一评估序列进行更新，形成第二评估序列；模型评估模块，用于利用预先训练的神经网络级联模型对所述第二评估序列进行暂态稳定类别预测，并利用预测结果对所述预先训练的神经网络级联模型进行优化；其中，所述预先训练的神经网络级联模型用于输入所述运行样本数据，并输出所述运行样本数据对应的暂态稳定类别的预测结果；所述预先训练的神经网络级联模型包括多个串联的神经网络模型；利用预先训练的神经网络级联模型对所述第二评估序列进行暂态稳定类别预测，并利用预测结果对所述预先训练的神经网络级联模型进行优化的步骤，包括：将所述第二评估序列输入至所述预先训练的神经网络级联模型内的第一神经网络模型中进行预测，得到所述第二评估序列对应的暂态稳定类别预测结果；利用所述第二评估序列对应的暂态稳定类别预测结果以及暂态稳定类别仿真结果确定所述第二评估序列的置信度；当所述第二评估序列的置信度未达到预设的置信度阈值，则将扩大当前运行仿真时间窗口后的多个运行样本数据更新所述第二评估序列中；将更新后的第二评估序列输入与所述第一神经网络模型相邻的第二神经网络模型中进行预测，得到所述更新后的第二评估序列对应的暂态稳定类别预测结果；利用所述更新后的第二评估序列对应的暂态稳定类别预测结果以及暂态稳定类别仿真结果确定所述更新后的第二评估序列的置信度；当所述更新后的第二评估序列的置信度未达到预设的置信度阈值，则继续扩大当前运行仿真时间窗口后的多个运行样本数据更新所述第二评估序列中，并以此类推进行迭代，直至所述第二评估序列的置信度达到所述预设的置信度阈值或达到预设的最大运行时间窗口时，迭代停止，输出迭代停止后的神经网络级联模型。
8.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6任一项所述的基于优先策略的电力系统暂态稳定评估方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至6任一项所述的基于优先策略的电力系统暂态稳定评估方法的步骤。
