1.一种基于大数据的电网调节系统，其特征在于，包括以下模块：电网信息获取模块：获取电网信息中的电源侧、电网侧、负荷侧和储能测数据，并对数据进行预处理，将经过预处理后的数据上传至云端存储服务；电网约束条件构建模块：通过奈奎斯特采样定理设置采样频率，根据信号和采样点数构建功率输出限制约束条件，得到功率最大值和最小值；电网大数据分析模块：接收电网信息获取模块采集到的数据，并利用时域分析方法对数据进行特征提取，通过周期用电量偏离程度和季节用电量偏离程度构建模型得到用电量偏离程度预测值；将电压浮动程度、电流浮动程度和频率浮动程度赋予不同权重进行联立得到综合电力浮动程度，使用滑动窗口技术提取充电次数和放电次数与小时级数据提取的峰值和谷值联立得到储能设备充放电波动程度；电力预测模型模块：通过分配相应的权重给用电量偏离程度预测值、综合电力浮动程度和储能设备充放电波动程度数据，进行赋权相加，并联立功率值得到电网状态综合评价值；电网预警调节模块：将电网状态综合评价值与预警阈值进行比较，并进行分析；所述接收电网信息获取模块采集到的数据，并利用时域分析方法对数据进行特征提取，通过周期用电量偏离程度和季节用电量偏离程度构建模型得到用电量偏离程度预测值，包括以下步骤：获取高峰时段、平时段和低谷时段的用电量与每日、每周和每月的总电量原始数据，为每个原始数据分配一个时间戳，按照时间戳将数据点进行排序，将原始数据转换为时间序列格式，通过时域分析方法提取时间序列中的关键特征，包括周期性和季节性波动，通过绘制时间序列图识别出数据中的周期性成分，对于识别出的每个周期，计算每个周期内的平均用电量；通过在该周期内其中一天的用电量与周期平均用电量的比值得到周期用电量偏离程度；通过每个季节的平均用电量和全年平均用电量的比值得到季节用电量偏离程度。
2.根据权利要求1所述的一种基于大数据的电网调节系统，其特征在于，所述获取电网信息中的电源侧、电网侧、负荷侧和储能测数据，并对数据进行预处理，将经过预处理后的数据上传至云端存储服务，包括以下步骤：对于电源侧，通过与发电厂的自动化系统接口对接实时采集发电数据，包括发电量和发电时间；对于电网侧，通过在电网各节点的智能传感器设备采集电网运行数据，包括电压、电流和频率；对于负荷侧，通过部署智能电表采集用户用电数据，包括高峰时段、平时段和低谷时段的用电量与每日、每周和每月的总电量；对于储能测，通过储能管理系统获取储能设备的运行数据，包括电池的充电次数、放电次数、充电量和放电量；对收集到的数据进行预处理，包括去除异常值和填补缺失数据，并将不同来源的数据转换成统一的格式；将处理好的数据上传到云端存储服务，由电网大数据分析模块从云端下载数据进行分析。
3.根据权利要求1所述的一种基于大数据的电网调节系统，其特征在于，所述通过奈奎斯特采样定理设置采样频率，根据信号和采样点数构建功率输出限制约束条件，得到功率最大值和最小值，包括以下步骤：通过对信号进行采样，根据奈奎斯特采样定理设置采样频率，使用采样软件对模拟信号进行离散化采样得到数字样本点，通过计算信号的平方和除以采样点数得到每个数据点之间的功率；功率计算公式： ;其中， 为样本点对应的功率， 为每个样本点， 为样本点的索引， 为采样点的总数量；遍历全部计算出的功率值，将找到的最大功率值 作为信号处理中的最大功率，将找到的最小功率值 作为信号处理中的最小功率；通过获取到的最大功率值和最小功率值构建功率输出限制约束条件： ;其中， 为最小功率值， 为某一时间点的功率值， 为最大功率值。
4.根据权利要求1所述的一种基于大数据的电网调节系统，其特征在于，所述接收电网信息获取模块采集到的数据，并利用时域分析方法对数据进行特征提取，通过周期用电量偏离程度和季节用电量偏离程度构建模型得到用电量偏离程度预测值，还包括：周期平均用电量计算公式： ;其中， 为周期平均用电量， 为第 天的用电量， 为总天数；周期用电量偏离程度计算公式： ;其中， 为周期用电量偏离程度， 为第 天的用电量， 为周期平均用电量；季节用电量偏离程度计算公式： ;其中， 为季节用电量偏离程度，当 =1时， 为春季平均用电量， 为春季用电量偏离程度，当 =2时， 为夏季平均用电量， 为夏季用电量偏离程度，当 =3时， 为秋季平均用电量， 为秋季用电量偏离程度，当 =4时， 为冬季平均用电量， 为冬季用电量偏离程度， 为全年平均用电量；收集包含周期用电量偏离程度和季节用电量偏离程度的历史数据，对数据进行预处理后，使用历史数据对ARIMAX模型进行拟合后得到用电量偏离模型的初步形式，通过白噪声检验对模型进行验证，重复拟合和验证过程得到训练好的模型，将训练好的ARIMAX模型对新的输入数据进行预测，得到用电量偏离程度预测值。
5.根据权利要求1所述的一种基于大数据的电网调节系统，其特征在于，所述将电压浮动程度、电流浮动程度和频率浮动程度赋予不同权重进行联立得到综合电力浮动程度，包括以下步骤：通过在电网各节点的智能传感器设备采集电网运行数据，包括电压、电流和频率数据，通过描述性统计分析对获取到的数据中提取统计特征，包括极值和平均值，根据统计特征和实时数据联立分别得到电压浮动程度、电流浮动程度和频率浮动程度，组织电力领域的专家团队，根据专家在电力系统运行、检测和分析方面的经验，对电压、电流和频率在电网稳定性中的相对重要性进行评估，确定三种浮动程度对应的权重系数；综合电力浮动程度计算公式： ;其中， 为综合电力浮动程度， 为测量次数， 为第 次测量得到的电压值， 为最大电压值， 为最小电压值， 为第 次测量得到的电流值， 为最大电流值， 为最小电流值， 为第 次测量得到的频率值， 为最大频率值， 为最小频率值， 、 和 为电压、电流和频率对应的权重系数。
6.根据权利要求1所述的一种基于大数据的电网调节系统，其特征在于，所述使用滑动窗口技术提取充电次数和放电次数与小时级数据提取的峰值和谷值联立得到储能设备充放电波动程度，包括以下步骤：从储能管理系统中实时采集储能设备在不同时间尺度上的数据，包括储能设备的充电次数、放电次数、充电量、放电量关键参数，对收集到的数据进行清洗后提取出与时间相关的特征，从小时级数据中提取出每天的峰值和谷值特征，使用滑动窗口技术提取连续时间段内的充电次数和放电次数的平均值与小时级数据提取的峰值和谷值特征联立得到储能设备充放电波动程度；储能设备充放电波动程度计算公式： ;其中， 为储能设备充放电波动程度， 为第 天的用电谷值， 为第 天的用电峰值， 为总天数， 为第 天的充电次数， 为第 天的放电次数。
7.根据权利要求1所述的一种基于大数据的电网调节系统，其特征在于，所述通过分配相应的权重给用电量偏离程度预测值、综合电力浮动程度和储能设备充放电波动程度数据，进行赋权相加，并联立功率值得到电网状态综合评价值，包括以下步骤：对用电量偏离程度、综合电力浮动程度和储能设备充放电波动程度三个数据进行标准化处理后，计算数据的协方差矩阵，得到协方差矩阵的特征值和特征向量，根据特征值的贡献率确定各主成分的权重后，得到各指标的权重系数；电网状态综合评价值计算公式： ;其中， 为电网状态综合评价值， 为用电量偏离程度预测值， 为综合电力浮动程度， 为储能设备充放电波动程度数据， 、 和 为对应的权重系数；其中， 为某一时间点的功率值，当 满足约束条件时， 的赋值为0，当 不满足约束条件时， 的赋值为1。
8.根据权利要求1所述的一种基于大数据的电网调节系统，其特征在于，所述将电网状态综合评价值与预警阈值进行比较，并进行分析，包括以下步骤：基于历史数据和电网运行经验，选择历史数据中电网状态综合评价值的95%分位数作为预警阈值；若电网状态综合评价值≥预警阈值时，系统发出预警信号；若电网状态综合评价值＜预警阈值时，系统保持实时监控。
