1.一种基于贝叶斯网络的电力系统仿真方法，其特征在于，包括以下步骤：

S1，收集预设时间段内电力系统的关键数据并构建贝叶斯网络模型；

S2，根据关键数据在贝叶斯网络模型中的条件概率分布实时监测电力系统的运行状态并进行置信度评估；

S3，获取预设时间段内电力系统在运行过程中的电网数据并根据置信度评估的结果对贝叶斯网络模型进行模型训练；

S4，基于模型训练后的贝叶斯网络模型建立电力系统的仿真潮流电路，同时实时监测仿真潮流电路在仿真过程中电力线路上电压值和电流值的变化趋势。

2.如权利要求1所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述贝叶斯网络模型的具体构建步骤为：对收集的关键数据进行数据标准化并根据电力系统中预设节点变量将数据标准化后的关键数据以节点变量形式映射至贝叶斯网络中对应的节点位置上；

根据电力系统的实际运行原理以及电力系统结构和节点之间的依赖关系获取节点匹配度指标并构建有向无环图，所述节点匹配度指标用于量化电力系统中预设节点变量与贝叶斯网络中节点位置之间的空间匹配程度；

根据构建的有向无环图设置贝叶斯网络结构并结合电力系统中的关键节点构建贝叶斯网络模型。

3.如权利要求2所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述节点匹配度指标通过以下方法获取：将数据标准化后的关键数据输入至电力系统的电气接线图中建立节点与边界之间的电气连接关系图，同时实时监测预设时间段内电气元器件电气连接距离的变化情况获取距离度量指标；

根据电气连接关系图中节点与边界的夹角以及电力系统的实际需求获取角度紧密系数，同时根据电气连接关系图中节点之间的功能特性和电气连接角度阈值结合预设时间段内节点对应的电气功能相似度评分获取功能相似度，所述电气连接角度阈值表示根据电力系统的历史运行数据进行加权求和后获取的电气元器件之间的角度范围；

收集预设时间段内节点的电气功能数据，根据电力系统的实际仿真需求对电气功能数据中的波动偏差程度进行调整并从数据库中获取预设定的功能相似度修正因子，同时结合获取的角度紧密系数和功能相似度得到节点匹配度指标，所述电气功能数据包括电压波动、电流波动和功率输出，所述功能相似度修正因子用于修正电气功能数据在电力系统运行过程中的波动偏差程度。

4.如权利要求3所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述节点匹配度指标通过以下公式进行计算：式中，r为电气元器件的编号，r＝1,2,...,R，R为电气元器件的总数量，m为预设时间段的编号，m＝1,2,...,M，M为预设时间段的总数量，JIE

5.如权利要求1所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述实时监测电力系统的运行状态并进行置信度评估的具体步骤包括：将实时更新的电力系统运行状态和实时收集的关键数据输入至贝叶斯网络模型中并实时监测贝叶斯网络模型中的节点状态，据此更新贝叶斯网络模型中节点对应的条件概率分布以获取节点匹配率，所述节点匹配率表示预设时间段内实时更新的关键数据与贝叶斯网络模型中节点的匹配数量；

根据更新后的条件概率分布并预设时间段内电气元器件与贝叶斯网络模型中节点之间的吻合程度获取节点吻合率，所述节点吻合率表示预设时间段内电气元器件与贝叶斯网络模型中节点的匹配数量；

对电力系统的运行状态进行置信度评估并根据置信度评估的结果对贝叶斯网络模型进行超负荷识别以获取前验概率，同时结合获取的节点匹配率和节点吻合率得到置信度评估指标。

6.如权利要求1所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述对贝叶斯网络模型进行模型训练的具体流程为：根据电力系统的实际仿真需求设置贝叶斯网络模型中节点的初始条件概率分布，同时实时收集电力系统在预设时间段内的负荷数据并作为训练数据输入至贝叶斯网络模型中；

初始化贝叶斯网络模型的参数并使用训练数据对贝叶斯网络模型进行训练以预测电力系统在运行过程中的负荷值，同时根据电力系统运行过程中的性能表现定义模型训练损失函数；

基于模型训练损失函数并结合梯度下降算法对贝叶斯网络模型进行迭代优化。

7.如权利要求1所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述基于模型训练后的贝叶斯网络模型建立电力系统的仿真潮流电路的具体步骤为：根据电力系统的实际仿真需求设置仿真潮流电路的初始参数，同时根据模型训练的结果动态调整初始参数，所述初始参数包括发电机出力和电力线路阻抗；

实时监测动态调整初始参数过程中电气元器件之间的条件依赖关系，同时根据贝叶斯网络模型可视化电气元器件之间的影响路径获取关联性影响指数，所述关联性影响指数用于衡量预设时间段内电气元器件对仿真潮流电路的影响程度；

根据电气元器件之间的影响路径和关联性影响指数并结合电力系统的实际电路模拟贝叶斯网络模型在预设场景下的运行状态以构建仿真潮流电路，同时将贝叶斯网络模型的输出作为仿真潮流电路的输入以实时反映电力系统的实际运行状态和仿真潮流电路的电力潮流分布情况。

8.如权利要求7所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述关联性影响指数的具体获取步骤为：收集电力系统在预设场景下运行过程中初始参数的开始值和结束值，同时实时监测动态调整初始参数过程中电气元器件的数值变化情况获取电气影响系数并从预设数据库中获取预设定的初始参数修正因子；

实时监测仿真潮流电路在预设场景下电气元器件对电力潮流分布路径的影响程度以获取分布偏差率并根据电力潮流分布的预设路径对电力潮流分布路径进行动态调整，同时从预设数据库中获取预设定的动态调整因子；

结合获取的电气影响系数和初始参数修正因子得到关联性影响指数，所述关联性影响指数通过以下公式进行计算：式中，r为电气元器件的编号，r＝1,2,...,R，R为电气元器件的总数量，n为预设场景的编号，n＝1,2,...,N，N为预设场景的总数量，GU

9.如权利要求1所述一种基于贝叶斯网络的电力系统仿真方法，其特征在于，所述实时监测仿真潮流电路在仿真过程中电力线路上电压值和电流值的变化趋势之后还包括对仿真潮流电路中的待调整电路参数进行调整，具体调整步骤包括：实时获取仿真潮流电路在电力系统仿真过程中的仿真数据并与输入至仿真潮流电路中的额定数据进行数据比对以确定待调整电路参数，所述仿真数据包括电压数据和电流数据，所述额定数据包括额定电压数据和额定电流数据；

根据数据比对的结果识别仿真数据的变化趋势并对仿真潮流电路中的待调整电路参数进行调整，同时将调整后的电路参数输入至仿真潮流电路中并重新进行电力系统仿真直至满足电力系统的实际仿真需求。

10.一种基于贝叶斯网络的电力系统仿真系统，其特征在于，包括：贝叶斯网络模型构建模块、置信度评估模块、模型训练模块和仿真潮流电路建立模块；

其中，所述贝叶斯网络模型构建模块用于收集预设时间段内电力系统的关键数据并构建贝叶斯网络模型；

所述置信度评估模块用于根据关键数据在贝叶斯网络模型中的条件概率分布实时监测电力系统的运行状态并进行置信度评估；

所述模型训练模块用于获取预设时间段内电力系统在运行过程中的电网数据并根据置信度评估的结果对贝叶斯网络模型进行模型训练；

所述仿真潮流电路建立模块用于基于模型训练后的贝叶斯网络模型建立电力系统的仿真潮流电路，同时实时监测仿真潮流电路在仿真过程中电力线路上电压值和电流值的变化趋势。