1.一种应用人工智能的智慧电网故障监测方法，其特征在于，应用于人工智能监测系统，所述方法包括：获取待处理电力物联传感监测数据，并确定用于对所述待处理电力物联传感监测数据进行故障识别的第一故障判别决策模型与第二故障判别决策模型，其中，所述第二故障判别决策模型已学习到故障定位传感监测数据的过往故障定位指导向量；

基于所述第一故障判别决策模型对所述待处理电力物联传感监测数据进行第一电网运行状态挖掘，得到所述待处理电力物联传感监测数据在至少一个语义细粒等级的第一电网运行状态向量；

基于所述第二故障判别决策模型依据所述过往故障定位指导向量，对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘，得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量；其中，所述第二故障判别决策模型包括至少一个语义细粒等级的运行状态挖掘分支，每个所述语义细粒等级的运行状态挖掘分支已学习到所述故障定位传感监测数据在对应语义细粒等级的过往故障定位指导向量；基于所述第二故障判别决策模型依据所述过往故障定位指导向量，对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘，得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量，包括：通过各个语义细粒等级的运行状态挖掘分支依据对应语义细粒等级的过往故障定位指导向量，对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘，得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量；

对相同语义细粒等级的所述第一电网运行状态向量与所述第二电网运行状态向量进行状态一致性分析，得到状态异同分析观点；

依据所述状态异同分析观点，对所述待处理电力物联传感监测数据进行故障点定位预警；

其中，所述依据所述状态异同分析观点，对所述待处理电力物联传感监测数据进行故障点定位预警，包括：依据所述状态异同分析观点，获取所述待处理电力物联传感监测数据的第一状态跳变描述变量和第一状态偏移分布，并获取所述故障定位传感监测数据的第二状态跳变描述变量和第二状态偏移分布；根据所述第一状态跳变描述变量和所述第二状态跳变描述变量，确定所述待处理电力物联传感监测数据的状态跳变趋势和所述故障定位传感监测数据的状态跳变趋势是否匹配，以及根据所述第一状态偏移分布和所述第二状态偏移分布，确定所述待处理电力物联传感监测数据的异常传感监测节点和所述故障定位传感监测数据的异常传感监测节点是否匹配；倘若所述待处理电力物联传感监测数据的状态跳变趋势和所述故障定位传感监测数据的状态跳变趋势匹配且所述待处理电力物联传感监测数据的异常传感监测节点和所述故障定位传感监测数据的异常传感监测节点匹配，则根据所述故障定位传感监测数据的异常传感监测节点，确定所述待处理电力物联传感监测数据的IOT故障点；

其中，语义细粒等级指的是数据解读的细致程度；不同的语义细粒等级对应着不同层次、不同详细程度的状态描述；

所述第二故障判别决策模型包括第一语义细粒等级的第一运行状态挖掘分支，所述第一运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第一语义细粒等级的过往故障定位指导向量；

通过各个语义细粒等级的运行状态挖掘分支依据对应语义细粒等级的过往故障定位指导向量，对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘，得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量，包括：获取所述待处理电力物联传感监测数据在所述第一语义细粒等级的潜在故障搜索特征；

依据所述潜在故障搜索特征，在所述第一语义细粒等级的过往故障定位指导向量进行潜在故障搜索，得到潜在故障搜索标签；

基于所述第一运行状态挖掘分支依据所述潜在故障搜索标签进行第二电网运行状态挖掘，得到所述待处理电力物联传感监测数据在所述第一语义细粒等级的第二电网运行状态向量。

2.如权利要求1所述的应用人工智能的智慧电网故障监测方法，其特征在于，所述第一语义细粒等级的过往故障定位指导向量包括过往故障定位标识向量、以及与所述过往故障定位标识向量关联的过往故障定位属性向量；

依据所述潜在故障搜索特征，在所述第一语义细粒等级的过往故障定位指导向量进行潜在故障搜索，得到潜在故障搜索标签，包括：确定所述潜在故障搜索特征与所述过往故障定位标识向量之间的特征共性值；

根据所述特征共性值，确定所述潜在故障搜索特征的搜索置信度；

依据所述搜索置信度，对所述过往故障定位属性向量进行特征拼接操作，得到完成特征拼接的潜在故障搜索标签。

3.如权利要求1所述的应用人工智能的智慧电网故障监测方法，其特征在于，获取所述待处理电力物联传感监测数据在所述第一语义细粒等级的潜在故障搜索特征，包括：对所述第一电网运行状态向量进行语义细粒等级更新处理，得到更新后电网运行状态向量，其中，所述更新后电网运行状态向量具有至少一个注意力通道；

在目标注意力通道下对所述更新后电网运行状态向量进行状态向量集成，得到电网运行状态集成向量；

基于所述第一运行状态挖掘分支依据所述电网运行状态集成向量，生成所述待处理电力物联传感监测数据在所述第一语义细粒等级的潜在故障搜索特征。

4.如权利要求1所述的应用人工智能的智慧电网故障监测方法，其特征在于，所述第二故障判别决策模型包括第二语义细粒等级的第二运行状态挖掘分支，所述第二运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第二语义细粒等级的过往故障定位指导向量；

通过各个语义细粒等级的运行状态挖掘分支依据对应语义细粒等级的过往故障定位指导向量，对所述待处理电力物联传感监测数据进行第二电网运行状态挖掘，得到所述待处理电力物联传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量，包括：基于所述第二运行状态挖掘分支，生成所述待处理电力物联传感监测数据在所述第二语义细粒等级的基础电网运行状态向量；

依据所述过往故障定位指导向量，生成所述基础电网运行状态向量在所述第二语义细粒等级的故障动态搜索特征；

根据所述基础电网运行状态向量，对所述故障动态搜索特征进行特征拼接操作，以生成所述待处理电力物联传感监测数据在所述第二语义细粒等级的第二电网运行状态向量。

5.如权利要求4所述的应用人工智能的智慧电网故障监测方法，其特征在于，所述故障动态搜索特征包括至少一个故障动态搜索子向量；

根据所述基础电网运行状态向量，对所述故障动态搜索特征进行特征拼接操作，包括：

确定所述基础电网运行状态向量与所述故障动态搜索子向量之间的特征共性值；

根据所述特征共性值，确定所述故障动态搜索子向量的特征拼接系数；

根据所述特征拼接系数，对所述故障动态搜索子向量进行特征拼接操作。

6.如权利要求4所述的应用人工智能的智慧电网故障监测方法，其特征在于，所述第二语义细粒等级的过往故障定位指导向量包括注意力通道更新所对应的更新变量指示；

依据所述过往故障定位指导向量，生成所述基础电网运行状态向量在所述第二语义细粒等级的故障动态搜索特征，包括：依据所述更新变量指示，对所述基础电网运行状态向量进行注意力通道更新处理，得到更新后电网运行状态向量，其中，所述更新后电网运行状态向量具有至少一个注意力通道；

依据所述更新后电网运行状态向量在目标注意力通道下的运行状态关系谱，确定特征拼接系数；

根据所述特征拼接系数，针对所述基础电网运行状态向量进行状态向量拼接，以生成所述基础电网运行状态向量在所述第二语义细粒等级的故障动态搜索特征。

7.如权利要求1所述的应用人工智能的智慧电网故障监测方法，其特征在于，所述方法还包括：

确定故障定位传感监测数据、调试后的第一故障判别决策模型、以及待调试的第二故障判别决策模型，其中，所述第二故障判别决策模型已学习到所述故障定位传感监测数据的基础过往故障定位指导向量；

基于所述第一故障判别决策模型对所述故障定位传感监测数据进行第一电网运行状态挖掘，得到所述故障定位传感监测数据在至少一个语义细粒等级的第一电网运行状态向量；

依据所述第一电网运行状态向量，对所述基础过往故障定位指导向量进行优化，得到优化后的过往故障定位指导向量；

基于所述第二故障判别决策模型依据所述优化后的过往故障定位指导向量，对所述故障定位传感监测数据进行第二电网运行状态挖掘，得到故障定位传感监测数据在所述至少一个语义细粒等级的第二电网运行状态向量；

对相同语义细粒等级的所述第一电网运行状态向量与所述第二电网运行状态向量进行状态一致性分析，得到状态异同分析观点；

依据所述状态异同分析观点，对所述第二故障判别决策模型进行调试，以确定调试后的第二故障判别决策模型，其中，所述调试后的第二故障判别决策模型已学习到所述故障定位传感监测数据的优化后的过往故障定位指导向量；

其中，所述第二故障判别决策模型包括第一语义细粒等级的第一运行状态挖掘分支，所述第一运行状态挖掘分支已学习到所述故障定位传感监测数据在所述第一语义细粒等级的基础过往故障定位指导向量；依据所述第一电网运行状态向量，对所述基础过往故障定位指导向量进行优化，包括：获取所述故障定位传感监测数据在所述第一语义细粒等级的故障定位认证特征；依据所述故障定位认证特征，对所述基础过往故障定位指导向量进行特征拼接操作，得到故障定位交互向量；依据所述故障定位认证特征与所述故障定位交互向量之间的区别，对所述基础过往故障定位指导向量进行优化；

其中，获取所述故障定位传感监测数据在所述第一语义细粒等级的故障定位认证特征，包括：确定所述第一语义细粒等级的上下游语义细粒等级；依据所述故障定位传感监测数据在所述上下游语义细粒等级的第一电网运行状态向量，确定所述故障定位传感监测数据在所述第一语义细粒等级的故障定位认证特征。

8.一种人工智能监测系统，其特征在于，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行权利要求1-7任一项所述的方法。