1.一种基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，包括：全局配置粗搜阶段：利用粘菌算法对交流模型下最优防御资源分配问题的整个解空间进行全局探索式搜索，输出候选解，所述候选解包括一个确定的由二进制决策变量向量表示的防御部署位置和一个与之对应的由连续决策变量向量表示的初始防御资源投入量；资源投入精调阶段：固定所述全局配置粗搜阶段得到的防御部署位置，将原问题转化为仅关于连续决策变量向量的非线性、非凸优化子问题；采用基于多起点随机扰动的自适应力矩估计优化方法，在带双层循环的增广拉格朗日框架下，对内循环进行防御资源投入量的局部调优，将局部最优解返回给外循环用于更新拉格朗日乘子，外循环迭代结束后得到最优防御资源分配方案。
2.根据权利要求1所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，所述增广拉格朗日框架通过外循环和内循环协同工作，所述外循环负责动态调整拉格朗日乘子和惩罚系数，以引导解逼近可行域；所述内循环在给定的拉格朗日乘子和惩罚系数下，负责求解当前条件下的最优防御资源投入量。
3.根据权利要求1所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，所述增广拉格朗日框架的内循环具体为：首次确定性内循环优化：在进行N次内循环优化的第一次时，直接使用Adam优化器的原起始点执行一次Adam优化，得到一个基准精调解；多次随机扰动的内循环优化：在后续的N-1次内循环优化中，对起始点引入由仪表重要性引导的、非均匀的随机性，以生成N-1个新的起始点；对每一个新的起始点，重复执行基于增广拉格朗日框架的Adam优化，得到N-1个解；最优解选择：从首次确定性优化得到的基准精调解和多次随机扰动优化得到的N-1个解中，选择内循环目标函数值最小的解作为本次内循环结果，并返回给外循环。
4.根据权利要求3所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，若本次内循环处于首次外循环中，则将内循环的起始点初始化为首次外循环的防御资源投入量初始值，否则初始化为上一次外循环的结果。
5.根据权利要求3所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，所述多次随机扰动的内循环优化具体为：首先，根据交流模型的二进制结构矩阵量化每个仪表的重要性，即对所述二进制结构矩阵进行列向求和，得到仪表重要性权重向量；然后，根据仪表重要性为每个有效的决策变量生成差异化的扰动强度，得到扰动水平向量，扰动原则为仪表越重要扰动强度越小，仪表越次要扰动强度越大；最后，结合随机向量、扰动水平向量和所述全局配置粗搜阶段得到的防御部署位置，生成新的起始点。
6.根据权利要求5所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，第i个仪表的扰动水平分量计算公式为：p noise,i ＝r base ×(1-w norm,i )其中，r base 是一个基础扰动水平，w norm,i 是将元素范围归一化为[0,1]的仪表重要性权重向量的第i个元素值。
7.根据权利要求5所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，对起始点b k,0 引入由仪表重要性引导的、非均匀的随机性后的新的起始点b start 的计算公式为：b start ＝max(0,b k,0 ⊙(1+p noise ⊙p rand )⊙φ * )其中，⊙表示向量的逐元素乘法，p rand 是一个元素在[-1,1]区间内均匀分布的且与b k,0 同维度的随机向量，p noise 是扰动水平向量，φ * 是所述全局配置粗搜阶段得到的防御部署位置。
8.根据权利要求1所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，所述增广拉格朗日框架的外循环具体为：初始化防御资源投入量为所述全局配置粗搜阶段得到的初始防御资源投入量；初始化拉格朗日乘子和惩罚系数；在每次外循环迭代过程中，首先将当前拉格朗日乘子和惩罚系数作为输入，调用内循环的Adam优化器，求解增广拉格朗日函数的最小化问题，得到更新后的防御资源投入量；然后根据所述更新后的防御资源投入量，计算实际约束松弛值，更新拉格朗日乘子；最后增大惩罚系数；外循环持续进行，直到拉格朗日乘子的变化量小于设定阈值或者达到最大迭代次数，且所有约束均得到满足；外循环迭代结束后，将最终输出的防御资源投入量与所述全局配置粗搜阶得到的防御部署位置相结合，共同构成最优防御资源分配方案。
9.根据权利要求1所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，在具有n个状态变量和m个量测仪表的交流电力系统中，将所述交流模型下最优防御资源分配问题构建为混合整数非线性规划问题，即最小化1 T b，且满足以下三条约束：R-H * ·[φ 1 f 1 (b 1 ),φ 2 f 2 (b 2 ),...,φ m f m (b m )] T ≤01 T φ-M≤0b≥0,φ∈{0,1} m其中，b＝[b 1 ,b 2 ,...,b m ] T 是m维连续决策变量向量，代表在每个仪表上投入的防御资源量；φ＝[φ 1 ,φ 2 ,...,φ m ] T 是m维二进制决策变量向量，当φ i ＝1时表示在第i个仪表上部署防御资源，当φ i ＝0时则不部署；f i (b i )是第i个仪表上的攻击成本函数，表示当防御资源投入为b i 时，攻击者攻破该仪表所需付出的成本；M代表防御方可部署防御措施的仪表数量上限；R是元素全为R的n维向量，R代表攻击者可用于发起攻击的总资源上限；H * 是n×m的二进制结构矩阵，反映了交流模型下电网的状态变量与量测仪表之间的拓扑依赖关系；第一条约束包含n个子约束。
10.根据权利要求9所述的基于两阶段混合优化的交流最优防御资源分配方法，其特征在于，在第k次外循环给定拉格朗日乘子向量λ k ＝[λ 1,k ,λ 2,k ,...,λ n,k ] T 和惩罚系数ρ k 下，内循环的目标找是到最小化增广拉格朗日函数P(b)的防御资源投入量b k+1 ：其中，g j (b)表示第一条约束中第j个子约束的松弛程度，该子约束旨在保护第j个状态变量不被篡改。
