1.基于多源异构数据融合的电网智能调度决策方法，其特征在于，包括：步骤一、采集多源异构数据，构建气象特征向量集，预测电网负荷变化，输出负荷预测值；步骤二、融合负荷预测值与设备健康系数构建双风险协同分析矩阵，生成风险熵值并映射为标准风险模式；将负荷预测值ΔPd与设备健康系数Rd进行融合分析，计算需求侧风险系数，其值为预测负荷值与区域基准负荷的百分比，设定三级风险阈值：当需求风险系数>M1时为低风险，当M1≤需求风险系数≤M2区间为中风险，当需求风险系数>M2则为高风险，设备风险等级沿用预设阈值划分方法，设备健康系数>m2时为低风险，当m1≤设备健康系数≤m2区间时为中风险，当设备健康系数<m1时为高风险；创建双风险协同分析矩阵，形成3×3共九种基础风险组合单元，矩阵行维度为需求侧风险等级，矩阵列维度为设备风险等级；对每种风险组合单元提取需求侧风险百分比值与设备Rd值的原始数值，按预设权重配比进行加权融合，计算加权结果的离散程度作为风险熵值，通过量化不同风险组合的耦合效应生成风险熵值，当风险熵值超过对应风险组合单元的动态阈值时，自动进入标准风险模式，执行发电机出力预调整、储能充放电控制及可中断负荷管理，在数字孪生平台建立模式-策略映射知识库，实时匹配当前风险组合对应的标准模式，当熵值突变超过历史均值W%时触发模式重匹配；步骤三、根据标准风险模式，分级执行发电机出力预调整、储能充放电控制及可中断负荷管理，并通过区块链协调微电网资源。
2.根据权利要求1所述的基于多源异构数据融合的电网智能调度决策方法，其特征在于，采集多源异构数据，构建气象特征向量集，具体方法为：以预设时间间隔通过SCADA系统实时采集电网运行参数，包括电流、电压和有功功率数据，同时调用气象部门API接口，获取区域温度、湿度、风速及气压数据，通过Z-Score标准化将多源异构数据映射到特定范围，采用三次样条插值技术对气象数据进行升频处理，使其与电网数据时间戳对齐，构建包含温度变化率、湿度梯度、风速波动值的特征向量集并触发分级预警。
3.根据权利要求2所述的基于多源异构数据融合的电网智能调度决策方法，其特征在于，构建包含温度变化率、湿度梯度、风速波动值的特征向量集并触发分级预警，具体方法为：温度变化率通过计算相邻时间点监测区域温度差与时间间隔的比值得到，当温度变化率大于等于A1时，触发高温预警监测，持续监测a1时长，监测时长内温度变化率的平均值大于等于x1时，发布高温红色预警，反之则返回常规监测；湿度梯度则通过计算相邻时间点监测区域湿度的差值变化得到，确定监测区域范围，当监测区域内相邻时间点的湿度梯度差大于等于A2时，触发湿度预警监测，持续监测a2时长，当a2时长内监测区域的湿度持续大于等于x2时，发布持续阴雨预警，反之则返回常规预警；风速波动值则通过统计相邻时间点监测区域风速数据的标准差得到，当风速标准差大于等于A3时，触发台风预警监测，持续监测a3时长，监测区域内气压下降率的平均值大于等于x3时，发布台风橙色预警，反之则返回常规预警。
4.根据权利要求1所述的基于多源异构数据融合的电网智能调度决策方法，其特征在于，预测电网负荷变化，具体方法为：采集N时长的历史多源异构数据，根据实时天气类型动态调整特征权重，在高温预警期间将温度特征权重提升至原始值的n1倍，在持续阴雨期间将湿度特征权重提升至原始值的n2倍，台风预警期间则将风速特征权重提升至原始值的n3倍；对电网覆盖区域划分M个气象网格，将历史特征向量输入梯度提升树预测模型，每个网格权重等于该网格负荷与监测区域总负荷的比值，采用递归预测策略，输出未来N1时长的各网格负荷变化值，再通过长短期记忆网络对预测结果进行残差修正，形成最终电网监测区域的负荷预测值ΔPd。
5.根据权利要求1所述的基于多源异构数据融合的电网智能调度决策方法，其特征在于，设备健康系数，具体包括：连续监测预设时长内设备的负载率平均值，当超过设定阈值时标记为高负载状态，确定电网设备的总负载时长，综合电网设备总负载时长与高负载时长确定设备健康系数，利用公式 表示，其中x表示第x个设备，Zh（x）表示电网设备的总负载时长，zh（x）表示电网设备的高负载时长。
6.根据权利要求1所述的基于多源异构数据融合的电网智能调度决策方法，其特征在于，根据标准风险模式，分级执行发电机出力预调整、储能充放电控制及可中断负荷管理，并通过区块链协调微电网资源，具体方法为：在发电机控制层面，当需求风险达到中高风险时启动预调整机制，负荷增长场景按预测缺额值的H1%提升出力，负荷下降场景按预测过剩值的H2%降低出力，调整过程受设备风险状态制约，设备高风险区域禁止增出力操作，设备中风险区域限制出力调整幅度不超过机组额定容量的h%；在储能系统控制层面，负荷预测增长时启动放电模式补充功率缺额，负荷预测下降时切换充电模式消纳过剩电能，充放电功率在设备低风险区域采用最大能力运行模式，在设备中高风险区域则降额至额定功率的H3%运行；在负荷管理层面，仅当同时满足需求高风险、设备低风险且连续三个时段预测误差低于H4%的条件下，启动可中断负荷管理程序，优先中断商业负荷，保留关键负荷供电。
7.基于多源异构数据融合的电网智能调度决策系统，应用于权利要求1-6任一项所述的基于多源异构数据融合的电网智能调度决策方法，其特征在于，包括：数据采集与负荷预测模块，采集多源异构数据，构建气象特征向量集，预测电网负荷变化，输出负荷预测值；风险熵值生成模块，融合负荷预测值与设备健康系数构建双风险协同分析矩阵，生成风险熵值并映射为标准风险模式；智能调度决策模块，根据标准风险模式，分级执行发电机出力预调整、储能充放电控制及可中断负荷管理，并通过区块链协调微电网资源。
