1.数字孪生驱动的风电集群调度优化方法，其特征在于，包括：根据发电场群进行拓扑仿真，构建一级数字孪生模型；根据发电场站对所述一级数字孪生模型进行空间划分，获得二级数字孪生模型；根据发电单元对所述二级数字孪生模型进行空间划分，获得三级数字孪生模型；在所述三级数字孪生模型的发电单元孪生模型内嵌发电能力评估函数，获得散点发电能力孪生映射模型；构建发电能力融合层，与所述散点发电能力孪生映射模型的输出层连接，生成全局发电量孪生映射模型；采集气象因子预测信息，通过所述全局发电量孪生映射模型，生成预测发电量；响应于台区用电请求，基于所述预测发电量进行电力调度；其中，在所述三级数字孪生模型的发电单元孪生模型内嵌发电能力评估函数，获得散点发电能力孪生映射模型，包括：获得所述三级数字孪生模型的所述发电单元孪生模型的第一发电单元孪生模型，其中，所述第一发电单元孪生模型具有发电单元型号标签和发电单元服役时长标签；根据所述发电单元型号标签和所述发电单元服役时长标签，采集气象因子记录数据集与发电量记录数据集；根据所述气象因子记录数据集与所述发电量记录数据集，构建第一发电单元发电能力评估函数；将所述第一发电单元发电能力评估函数内嵌于所述第一发电单元孪生模型；当每个发电单元孪生模型均具有发电能力评估函数时，获得所述散点发电能力孪生映射模型；其中，根据所述气象因子记录数据集与所述发电量记录数据集，构建第一发电单元发电能力评估函数，包括：根据所述气象因子记录数据集与所述发电量记录数据集，对初始神经网络架构执行训练，获得一级发电能力评估函数；对所述一级发电能力评估函数进行验证，获得验证偏差向量集合；根据所述验证偏差向量集合进行系统向量提取，获得一级系统误差向量模值和一级随机误差模值；当所述一级系统误差向量模值小于系统误差向量模值阈值，且所述一级随机误差模值小于随机误差模值阈值，生成所述第一发电单元发电能力评估函数；当所述一级系统误差向量模值小于系统误差向量模值阈值，且所述一级随机误差模值大于或等于随机误差模值阈值，根据所述气象因子记录数据集与所述发电量记录数据集，对初始神经网络架构继续训练；其中，还包括：当一级系统误差向量模值大于或等于系统误差向量模值阈值，根据所述一级系统误差向量，构建一级残差拟合块；将所述一级残差拟合块的输入层与所述一级发电能力评估函数的输出层融合，获得二级神经网络架构；根据所述气象因子记录数据集与所述发电量记录数据集，对二级神经网络架构执行迭代训练，其中，所述二级神经网络架构的训练数据与所述初始神经网络架构的训练数据不同；其中，根据所述验证偏差向量集合进行系统向量提取，获得一级系统误差向量模值和一级随机误差模值，包括：对所述验证偏差向量集合进行离群清洗，获得选定验证偏差向量集合；提取所述选定验证偏差向量集合的最小值，设为第一验证偏差向量；提取所述选定验证偏差向量集合的最大值，设为第二验证偏差向量；计算所述第一验证偏差向量与所述第二验证偏差向量的加和结果的均值，获得所述一级系统误差向量；使用所述第一验证偏差向量减去所述一级系统误差向量并取模值，获得第一随机误差模值；使用所述第二验证偏差向量减去所述一级系统误差向量并取模值，获得第二随机误差模值；计算所述第一随机误差模值和所述第二随机误差模值的均值，设为所述一级随机误差模值；其中，构建发电能力融合层，与所述散点发电能力孪生映射模型的输出层连接，生成全局发电量孪生映射模型，包括：获得所述散点发电能力孪生映射模型的第一节点发电量映射模型；获得第一节点预设时区发电断面数据，其中，所述第一节点预设时区发电断面数据包括第一节点发电量记录数据和场群实际利用发电量记录数据，所述预设时区指当前时刻前推六个月的历史时区；根据所述第一节点发电量记录数据和所述场群实际利用发电量记录数据进行发电效率分析，获得第一节点临时发电效率；重复分析，获得第二节点临时发电效率直到第Q节点临时发电效率；根据所述第一节点临时发电效率、所述第二节点临时发电效率直到所述第Q节点临时发电效率，生成所述发电能力融合层，对所述散点发电能力孪生映射模型的各个节点进行加权加和全连接，获得所述全局发电量孪生映射模型；其中，响应于台区用电请求，基于所述预测发电量进行电力调度，包括：所述台区用电请求包括第一台区需求用电量直到第N台区需求用电量，第一台区供电距离直到第N台区供电距离；根据所述第一台区需求用电量直到所述第N台区需求用电量自大到小进行排序，获得第一台区编号排序结果，其中，所述第一台区编号排序结果具有第一设定权重；根据所述第一台区供电距离直到所述第N台区供电距离自小到大进行排序，获得第二台区编号排序结果，其中，所述第二台区编号排序结果具有第二设定权重；根据所述第一设定权重和所述第二设定权重，对所述第一台区编号排序结果和所述第二台区编号排序结果进行同台区编号序号加权加和，获得台区需求得分集合；根据所述台区需求得分集合自小到大对台区进行排序，获得第三台区编号排序结果；根据所述预测发电量，按照所述第三台区编号排序结果进行电力调度。
2.数字孪生驱动的风电集群调度优化系统，其特征在于，所述系统包括：一级数字孪生模型构建模块，所述一级数字孪生模型构建模块用于根据发电场群进行拓扑仿真，构建一级数字孪生模型；二级数字孪生模型构建模块，所述二级数字孪生模型构建模块用于根据发电场站对所述一级数字孪生模型进行空间划分，获得二级数字孪生模型；三级数字孪生模型构建模块，所述三级数字孪生模型构建模块用于根据发电单元对所述二级数字孪生模型进行空间划分，获得三级数字孪生模型；发电能力孪生映射模型构建模块，所述发电能力孪生映射模型构建模块用于在所述三级数字孪生模型的发电单元孪生模型内嵌发电能力评估函数，获得散点发电能力孪生映射模型；发电量孪生映射模型生成模块，所述发电量孪生映射模型生成模块用于构建发电能力融合层，与所述散点发电能力孪生映射模型的输出层连接，生成全局发电量孪生映射模型；发电量预测模块，所述发电量预测模块用于采集气象因子预测信息，通过所述全局发电量孪生映射模型，生成预测发电量；电力调度模块，所述电力调度模块用于响应台区用电请求，基于所述预测发电量进行电力调度；其中，所述发电能力孪生映射模型构建模块还用于执行以下步骤：获得所述三级数字孪生模型的所述发电单元孪生模型的第一发电单元孪生模型，其中，所述第一发电单元孪生模型具有发电单元型号标签和发电单元服役时长标签；根据所述发电单元型号标签和所述发电单元服役时长标签，采集气象因子记录数据集与发电量记录数据集；根据所述气象因子记录数据集与所述发电量记录数据集，构建第一发电单元发电能力评估函数；将所述第一发电单元发电能力评估函数内嵌于所述第一发电单元孪生模型；当每个发电单元孪生模型均具有发电能力评估函数时，获得所述散点发电能力孪生映射模型；其中，所述发电能力孪生映射模型构建模块还用于执行以下步骤：根据所述气象因子记录数据集与所述发电量记录数据集，对初始神经网络架构执行训练，获得一级发电能力评估函数；对所述一级发电能力评估函数进行验证，获得验证偏差向量集合；根据所述验证偏差向量集合进行系统向量提取，获得一级系统误差向量模值和一级随机误差模值；当所述一级系统误差向量模值小于系统误差向量模值阈值，且所述一级随机误差模值小于随机误差模值阈值，生成所述第一发电单元发电能力评估函数；当所述一级系统误差向量模值小于系统误差向量模值阈值，且所述一级随机误差模值大于或等于随机误差模值阈值，根据所述气象因子记录数据集与所述发电量记录数据集，对初始神经网络架构继续训练；其中，所述发电能力孪生映射模型构建模块还用于执行以下步骤：当一级系统误差向量模值大于或等于系统误差向量模值阈值，根据所述一级系统误差向量，构建一级残差拟合块；将所述一级残差拟合块的输入层与所述一级发电能力评估函数的输出层融合，获得二级神经网络架构；根据所述气象因子记录数据集与所述发电量记录数据集，对二级神经网络架构执行迭代训练，其中，所述二级神经网络架构的训练数据与所述初始神经网络架构的训练数据不同；其中，所述发电能力孪生映射模型构建模块还用于执行以下步骤：对所述验证偏差向量集合进行离群清洗，获得选定验证偏差向量集合；提取所述选定验证偏差向量集合的最小值，设为第一验证偏差向量；提取所述选定验证偏差向量集合的最大值，设为第二验证偏差向量；计算所述第一验证偏差向量与所述第二验证偏差向量的加和结果的均值，获得所述一级系统误差向量；使用所述第一验证偏差向量减去所述一级系统误差向量并取模值，获得第一随机误差模值；使用所述第二验证偏差向量减去所述一级系统误差向量并取模值，获得第二随机误差模值；计算所述第一随机误差模值和所述第二随机误差模值的均值，设为所述一级随机误差模值；其中，所述发电量孪生映射模型生成模块还用于执行以下步骤：获得所述散点发电能力孪生映射模型的第一节点发电量映射模型；获得第一节点预设时区发电断面数据，其中，所述第一节点预设时区发电断面数据包括第一节点发电量记录数据和场群实际利用发电量记录数据，所述预设时区指当前时刻前推六个月的历史时区；根据所述第一节点发电量记录数据和所述场群实际利用发电量记录数据进行发电效率分析，获得第一节点临时发电效率；重复分析，获得第二节点临时发电效率直到第Q节点临时发电效率；根据所述第一节点临时发电效率、所述第二节点临时发电效率直到所述第Q节点临时发电效率，生成所述发电能力融合层，对所述散点发电能力孪生映射模型的各个节点进行加权加和全连接，获得所述全局发电量孪生映射模型；其中，所述电力调度模块还用于执行以下步骤：所述台区用电请求包括第一台区需求用电量直到第N台区需求用电量，第一台区供电距离直到第N台区供电距离；根据所述第一台区需求用电量直到所述第N台区需求用电量自大到小进行排序，获得第一台区编号排序结果，其中，所述第一台区编号排序结果具有第一设定权重；根据所述第一台区供电距离直到所述第N台区供电距离自小到大进行排序，获得第二台区编号排序结果，其中，所述第二台区编号排序结果具有第二设定权重；根据所述第一设定权重和所述第二设定权重，对所述第一台区编号排序结果和所述第二台区编号排序结果进行同台区编号序号加权加和，获得台区需求得分集合；根据所述台区需求得分集合自小到大对台区进行排序，获得第三台区编号排序结果；根据所述预测发电量，按照所述第三台区编号排序结果进行电力调度。
