1.一种双链环配电网的承载力分析方法，其特征在于，所述方法包括：获取双链环配电网对应的分布式光伏功率数据、分布式风电功率数据、独立储能的运行状态以及配网负荷的负荷量；对所述分布式光伏功率数据、所述分布式风电功率数据、所述独立储能的运行状态以及所述负荷量分别进行特征提取，得到多种特征数据；基于预设损失函数，对预设网络模型进行训练，得到神经网络模型，所述预设损失函数为： ；其中，Cy,i为所述神经网络模型对n个训练样本中第i个训练样本预测的承载力，n为大于或等于1的整数，Cactual,i为第i个训练样本对应的实际承载力，所述实际承载力的计算过程考虑了母线电压偏移率、线路功率损耗、系统频率偏移率及负载率，所述实际承载力的计算公式为： ；其中， V d 为母线电压偏移率， V dmax 为母线电压偏移率的最大允许值； P loss 为线路功率损耗， P rated 为配电网系统额定功率， P lmax 为线路功率损耗与配电网系统额定功率比值的最大允许值； f d 为配电网系统频率偏移率， f dmax 为配电网系统频率偏移率的最大允许值； L f 为负载率， L fmax 为负载率的最大允许值；将所述多种特征数据输入所述神经网络模型，并基于所述神经网络模型计算所述双链环配电网的承载力。
2.如权利要求1所述方法，其特征在于，所述双链环配电网包括：第一变电站母线、第二变电站母线以及N个开关站，N为大于或等于1的整数；所述开关站包括第一开关站母线及第二开关站母线，所述第一开关站母线及所述第二开关站母线之间通过联络开关相连；所述第一变电站母线，N个所述第一开关站母线、以及所述第二边变电站母线之间链形连接，每个接口均设置有联络开关；且所述第一变电站母线，N个所述第二开关站母线、以及所述第二变电站母线之间链形连接，每个接口均设置有联络开关；分布式光伏及独立储能分别通过联络开关接入所述第一开关站母线，分布式风电及配网负荷分别通过联络开关接入所述第二开关站母线。
3.如权利要求2所述方法，其特征在于，所述第一变电站母线包括第一母线段和第二母线段，所述第二变电站母线包括第三母线段和第四母线段；其中，所述第一母线段与所述第二母线段之间，以及所述第三母线段与所述第四母线段之间，分别基于联络开关连接；则，所述第一母线段，N个所述第一开关站母线、以及所述第三母线段之间链形连接，每个接口均设置有联络开关；且所述第二母线段，N个所述第二开关站母线、以及所述第四母线段之间链形连接，每个接口均设置有联络开关。
4.如权利要求1所述方法，其特征在于，所述基于所述神经网络模型计算所述双链环配电网的承载力，包括：将所述多种特征数据对应的特征向量与所述神经网络模型的第一层权重矩阵的乘积加上第一偏置向量后，基于激活函数计算，得到第一层计算结果；将所述第一层计算结果与所述神经网络模型的第二层权重矩阵的乘积加上第二偏置向量后，基于所述激活函数计算，得到第二层计算结果；将所述第二层计算结果与所述神经网络模型的第三层权重矩阵的乘积加上第三偏置向量后，基于所述激活函数计算，得到所述双链环配电网的承载力。
5.如权利要求4所述方法，其特征在于，所述神经网络模型的模型公式为： C y = σ ( W 3 ∙ σ ( W 2 ∙ σ ( W 1 ∙ F + b 1 )+ b 2 )+ b 3 )；其中， C y 为所述神经网络模型预测的承载力， σ 为所述激活函数， F 为所述多种特征数据对应的特征向量， W 1 、 W 2 、 W 3 分别为所述神经网络模型的第一层权重矩阵、第二层权重矩阵、第三层权重矩阵， b 1 、 b 2 、 b 3 分别为所述神经网络模型的第一偏置向量、第二偏置向量、第三偏置向量。
6.一种双链环配电网的承载力分析装置，其特征在于，所述装置包括：获取模块，用于获取双链环配电网对应的分布式光伏功率数据、分布式风电功率数据、独立储能的运行状态以及配网负荷的负荷量；特征提取模块，用于对所述分布式光伏功率数据、所述分布式风电功率数据、所述独立储能的运行状态以及所述负荷量分别进行特征提取，得到多种特征数据；计算模块，用于基于预设损失函数，对预设网络模型进行训练，得到神经网络模型，所述预设损失函数为： ；其中，Cy,i为所述神经网络模型对n个训练样本中第i个训练样本预测的承载力，n为大于或等于1的整数，Cactual,i为第i个训练样本对应的实际承载力，所述实际承载力的计算过程考虑了母线电压偏移率、线路功率损耗、系统频率偏移率及负载率，所述实际承载力的计算公式为： ；其中， V d 为母线电压偏移率， V dmax 为母线电压偏移率的最大允许值； P loss 为线路功率损耗， P rated 为配电网系统额定功率， P lmax 为线路功率损耗与配电网系统额定功率比值的最大允许值； f d 为配电网系统频率偏移率， f dmax 为配电网系统频率偏移率的最大允许值； L f 为负载率， L fmax 为负载率的最大允许值；将所述多种特征数据输入所述神经网络模型，并基于所述神经网络模型计算所述双链环配电网的承载力。
7.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行权利要求1~5中任一所述方法。
8.一种计算机可读存储介质，其特征在于，包括程序代码，当所述存储介质在电子设备上运行时，所述程序代码用于使所述电子设备执行权利要求1~5中任一所述方法。
