1.一种结合电力运行场景特征的巡检方法，其特征在于，包括：采集电力运行场景信息，进行特征提取，获得电力运行场景特征；基于所述电力运行场景特征进行聚类，确定多类型运行场景特征集群；对所述多类型运行场景特征集群进行巡检特征解析，获得巡检特征；利用所述巡检特征进行巡检方案配置，确定巡检方案；基于所述巡检方案，提取巡检异常库，对所述巡检异常库进行聚合，得到异常巡检信息；将所述异常巡检信息发送训练任务至孪生数字平台，进行异常巡检任务训练；将训练达到收敛结果的异常巡检参数反馈至巡检平台，对所述巡检方案进行参数更新；对所述多类型运行场景特征集群进行巡检特征解析，获得巡检特征，包括：基于巡检平台的控制巡检参数，构建巡检标准映射库，所述巡检标准映射库包括控制巡检参数、巡检特征、巡检特征描述属性及其映射关系；分别对所述多类型运行场景特征集群进行特征分解，得到各类型的特征描述属性；利用所述巡检标准映射库对所述特征描述属性进行比对映射，获得所述巡检特征；将所述异常巡检信息发送训练任务至孪生数字平台，进行异常巡检任务训练，包括：根据所述异常巡检信息，确定巡检识别信息；基于所述巡检识别信息在所述孪生数字平台中进行数据节点定位，以节点定位进行数据关系辐射，确定目标定位数据网；根据所述目标定位数据网进行训练数据集提取，构建孪生任务训练集；基于所述异常巡检信息，确定学习方向、学习目标、迭代周期，根据所述学习方向、学习目标、迭代周期，利用所述孪生任务训练集进行任务学习训练，直到达到学习目标或迭代周期为止；基于所述异常巡检信息、迭代周期，设定判定周期节点；当达到所述判定周期节点时，对训练结果进行学习目标逼近关系分析，确定学习逼近走势；对于所述学习逼近走势不满足预设要求的，基于所述学习逼近走势对所述学习方向进行调整，其中，所述学习方向进行调整包括按照所述学习逼近走势方向、按照异常巡检信息的其他优化方向、与当前所述学习方向相反的方向中的一种或者多种进行调整。
2.如权利要求1所述的方法，其特征在于，基于所述电力运行场景特征进行聚类，确定多类型运行场景特征集群，包括：设定多聚类中心参数，所述多聚类中心参数包括运行设备、设备布设范围、运行参与目标属性、运行时间；基于所述多聚类中心参数，利用历史数据样本集训练得到多级聚类执行模型；利用所述多级聚类执行模型对所述电力运行场景特征进行分级聚类，获得多级聚类结果；根据所述多级聚类结果对多电力运行场景的所述电力运行场景特征进行聚类标注，按照聚类标注的标注值进行集群划分，获得所述多类型运行场景特征集群。
3.如权利要求2所述的方法，其特征在于，根据所述多级聚类结果对多电力运行场景的所述电力运行场景特征进行聚类标注，按照聚类标注的标注值进行集群划分，获得所述多类型运行场景特征集群，包括：根据所述多级聚类结果，获得所述多级聚类结果对应各级聚类距离；根据所述聚类距离进行系数转换，获得聚类系数，基于所述聚类系数生成标注值，对所述电力运行场景特征进行聚类标注；预设多聚类中心参数的核心占比系数，基于所述核心占比系数对标注值进行正序匹配，根据匹配结果与预设集群进行投射，构建所述多类型运行场景特征集群。
4.如权利要求1所述的方法，其特征在于，利用所述巡检特征进行巡检方案配置，确定巡检方案，包括：根据所述巡检特征进行各类型巡检参数的数值量化，确定场景特征巡检参数值；搭建巡检方案参数配置模块，将所述场景特征巡检参数值作为输入通过所述巡检方案参数配置模块进行巡检参数匹配，并基于匹配关系根据所述场景特征巡检参数值进行方案配置，生成所述巡检方案。
5.如权利要求4所述的方法，其特征在于，所述巡检方案参数配置模块包括必录巡检参数、附加巡检参数，当匹配关系满足必录巡检参数时进行巡检方案配置，当附加巡检参数为空时，按照预设参数赋值规则进行补充赋值后进行巡检方案配置。
6.一种结合电力运行场景特征的巡检系统，其特征在于，所述系统包括：场景特征提取单元，所述场景特征提取单元用于采集电力运行场景信息，进行特征提取，获得电力运行场景特征；特征聚类单元，所述特征聚类单元用于基于所述电力运行场景特征进行聚类，确定多类型运行场景特征集群；巡检特征解析单元，所述巡检特征解析单元用于对所述多类型运行场景特征集群进行巡检特征解析，获得巡检特征；巡检方案配置单元，所述巡检方案配置单元用于利用所述巡检特征进行巡检方案配置，确定巡检方案；异常聚合单元，所述异常聚合单元用于基于所述巡检方案，提取巡检异常库，对所述巡检异常库进行聚合，得到异常巡检信息；异常巡检任务训练单元，所述异常巡检任务训练单元用于将所述异常巡检信息发送训练任务至孪生数字平台，进行异常巡检任务训练；参数更新单元，所述参数更新单元用于将训练达到收敛结果的异常巡检参数反馈至巡检平台，对所述巡检方案进行参数更新；所述巡检特征解析单元还包括：基于巡检平台的控制巡检参数，构建巡检标准映射库，所述巡检标准映射库包括控制巡检参数、巡检特征、巡检特征描述属性及其映射关系；分别对所述多类型运行场景特征集群进行特征分解，得到各类型的特征描述属性；利用所述巡检标准映射库对所述特征描述属性进行比对映射，获得所述巡检特征；所述异常巡检任务训练单元还包括：根据所述异常巡检信息，确定巡检识别信息；基于所述巡检识别信息在所述孪生数字平台中进行数据节点定位，以节点定位进行数据关系辐射，确定目标定位数据网；根据所述目标定位数据网进行训练数据集提取，构建孪生任务训练集；基于所述异常巡检信息，确定学习方向、学习目标、迭代周期，根据所述学习方向、学习目标、迭代周期，利用所述孪生任务训练集进行任务学习训练，直到达到学习目标或迭代周期为止；基于所述异常巡检信息、迭代周期，设定判定周期节点；当达到所述判定周期节点时，对训练结果进行学习目标逼近关系分析，确定学习逼近走势；对于所述学习逼近走势不满足预设要求的，基于所述学习逼近走势对所述学习方向进行调整，其中，所述学习方向进行调整包括按照所述学习逼近走势方向、按照异常巡检信息的其他优化方向、与当前所述学习方向相反的方向中的一种或者多种进行调整。
