1.一种网络关键节点识别与优化方法，其特征在于，包括：采集电力物联网原始数据，获取时空对齐的洁净数据立方体；基于洁净数据立方体，构建动态时空图谱，进一步生成动态权重矩阵；基于动态权重矩阵，对关键节点进行评估，获得节点优先级列表；基于节点优先级列表，结合实时网络状态，建立多目标优化模型；对多目标优化模型进行求解，得到最优解集并进行策略匹配与验证，获得已验证优化指令集，通过已验证优化指令集对网络关键节点进行识别与优化；所述采集电力物联网原始数据，获取时空对齐的洁净数据立方体包括：采集四类洁净数据流，包含拓扑、性能、环境及业务数据，并通过多维协同处理构建标准化数据立方体；时间轴对齐采用改进的兰伯特逻辑时钟算法为各节点数据标注时间戳，同步机制通过分布式时钟校准将全局时钟偏差严格控制在±10ms范围内，空间网格划分则基于电力设备GPS坐标构建动态Voronoi图，Voronoi图的网格边长按以下公式实时调整： ，其中，L表示动态Voronoi图的网格边长，t表示当前的时间点， 表示一天的时长，区域总面积 与节点数 的比值构成基础网格尺度，结合日周期正弦函数实现0.8至1.2倍的动态伸缩；通过滑动窗口机制生成时空切片：时间维度采用5分钟固定窗口长度与1分钟滑动步长，空间维度采用动态Voronoi网格进行空间剖分；最终输出结构化的时空数据立方体，时空数据立方体的维度由节点数 、12维特征参数及时间步长 构成。
2.如权利要求1所述的一种网络关键节点识别与优化方法，其特征在于，所述基于洁净数据立方体，构建动态时空图谱，进一步生成动态权重矩阵包括：以洁净数据立方体为输入，利用时空双维度深度学习架构提取多尺度特征关联，通过时空特征融合生成节点级时空联合嵌入向量，形成三维特征张量；以时空联合嵌入向量与原始特征数据为输入，分别从拓扑、性能、环境和业务维度进行特征构建，通过胶囊网络架构提取网格化空间关联特征与时序依赖关系，采用动态路由机制实现多模态特征校准，输出经过归一化的四维特征矩阵。
3.如权利要求2所述的一种网络关键节点识别与优化方法，其特征在于，所述基于洁净数据立方体，构建动态时空图谱，进一步生成动态权重矩阵还包括：以四维特征矩阵为输入，采用增量式更新策略，依据邻接矩阵演化规则动态重构节点关联；部署异常边检测机制，对突变连接实施告警；构建双维度校验体系，若校验失败，触发回滚机制，恢复至上一稳定版本图谱并重新启动特征提取流程，输出按一定时间分辨率更新的动态时空图谱。
4.如权利要求3所述的一种网络关键节点识别与优化方法，其特征在于，所述基于洁净数据立方体，构建动态时空图谱，进一步生成动态权重矩阵还包括：采用带残差连接的递归更新规则调整业务优先级，针对紧急业务设计自适应加权函数；采用改进型图注意力机制计算设备关联权重，并引入空间距离衰减因子抑制远距离设备关联；通过门控融合网络实现时序-空间权重的动态合成，输出动态权重矩阵。
5.如权利要求4所述的一种网络关键节点识别与优化方法，其特征在于，所述基于动态权重矩阵，对关键节点进行评估，获得节点优先级列表包括：从拓扑脆弱性、业务影响度、环境敏感度三个维度分别计算分项评分，量化节点在不同方面的特性，采用动态权重分配策略计算综合评分，输出结构化的节点优先级列表。
6.如权利要求5所述的一种网络关键节点识别与优化方法，其特征在于，所述基于节点优先级列表，结合实时网络状态，建立多目标优化模型包括：定义对应时延、能耗与成本的最小化目标的优化函数，针对电力通信网络的业务特性，设置硬性约束条件，设计自适应惩罚函数，输出标准化多目标优化模型。
7.如权利要求6所述的一种网络关键节点识别与优化方法，其特征在于，所述对多目标优化模型进行求解，得到最优解集并进行策略匹配与验证，获得已验证优化指令集，通过已验证优化指令集对网络关键节点进行识别与优化包括：以多目标优化模型和实时网络状态为输入，利用多维参考点引导与电力特征增强的进化机制求解多目标优化问题；构建策略-效果映射矩阵，将预定义策略与预定义策略对各目标的影响量关联，并标注适用场景，形成策略特征库；设计多目标权衡决策模块，采用归一化效用函数实现多目标的非线性融合，在策略知识库中搜索使效用成本比最大化的策略组合；输出结构化的策略指令集，采用XML格式封装执行序列与参数配置，形成面向实时网络状态的闭环控制信号。
8.一种网络关键节点识别与优化系统，应用如权利要求1~7任一项所述的方法，其特征在于，包括：电力物联数据净化整合模块，用于采集电力物联网原始数据，获取时空对齐的洁净数据立方体；动态时空图谱与权重生成模块，用于基于洁净数据立方体，构建动态时空图谱，进一步生成动态权重矩阵；关键节点优先级评估模块，用于基于动态权重矩阵，对关键节点进行评估，获得节点优先级列表；网络多目标优化模型构建模块，用于基于节点优先级列表，结合实时网络状态，建立多目标优化模型；优化模型求解与节点优化执行模块，用于对多目标优化模型进行求解，得到最优解集并进行策略匹配与验证，获得已验证优化指令集，通过已验证优化指令集对网络关键节点进行识别与优化。
9.一种电子设备，其特征在于，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述方法的步骤。
