1.一种基于AI人工智能的配电方法，其特征在于，所述基于AI人工智能的配电方法包括：通过智能传感器网络对配电系统的关键节点进行实时数据采集，得到原始配电系统运行数据；

通过数据预处理算法对所述原始配电系统运行数据进行清洗和标准化处理，得到标准化的数据集；

通过多层次混合模型训练对所述标准化的数据集进行分析建模，得到配电系统的AI分析模型；

通过所述AI分析模型对实时采集的配电数据进行处理分析，得到负载预测结果和动态平衡策略；

基于所述负载预测结果和动态平衡策略，对系统运行参数进行异常模式识别和多路径推理，得到设备健康状态评估和维护建议；

基于所述设备健康状态评估和维护建议，对可再生能源供给和用电需求进行多目标优化计算，得到智能能源调度方案。

2.根据权利要求1所述的基于AI人工智能的配电方法，其特征在于，所述通过智能传感器网络对配电系统的关键节点进行实时数据采集，得到原始配电系统运行数据，包括：对配电系统的变电站、配电柜和用户端进行智能传感器布置，得到多层次的数据采集网络，并对所述多层次的数据采集网络进行通信协议配置，得到高速实时的数据传输通道；

通过所述高速实时的数据传输通道对电压、电流、功率因数和谐波含量进行持续监测，得到多维度的电力参数数据，并对所述多维度的电力参数数据进行时间戳标记，得到时序关联的原始数据流；

对所述时序关联的原始数据流进行数据完整性检查，得到有效数据集，并对所述有效数据集进行异常值检测，得到初步清洗的数据集；

通过滑动窗口算法对所述初步清洗的数据集进行平滑处理，得到去噪后的数据序列，并对所述去噪后的数据序列进行缺失值插补，得到完整的数据序列；

对所述完整的数据序列进行标准化和归一化处理，得到统一量纲的标准数据集，并对所述统一量纲的标准数据集进行特征提取，得到降维后的特征向量；

通过主成分分析算法对所述降维后的特征向量进行关键特征识别，得到核心特征集，并对所述核心特征集进行相关性分析，得到特征关联矩阵；

基于所述特征关联矩阵构建多维数据立方体，得到多角度的数据分析视图，并对所述多角度的数据分析视图进行数据聚类，得到数据分布模式。

3.根据权利要求1所述的基于AI人工智能的配电方法，其特征在于，所述通过数据预处理算法对所述原始配电系统运行数据进行清洗和标准化处理，得到标准化的数据集，包括：对所述原始配电系统运行数据进行时间序列对齐，得到同步化的数据流，并对所述同步化的数据流进行数据完整性检查，得到有效数据集；

对所述有效数据集进行异常值检测，得到初步清洗的数据集，并通过中值滤波算法对所述初步清洗的数据集进行噪声去除，得到平滑化的数据序列；

对所述平滑化的数据序列进行缺失值插补，得到完整的数据序列，并对所述完整的数据序列进行重复值去除，得到精简的数据集；

对所述精简的数据集进行数据类型转换，得到统一格式的数据集，并对所述统一格式的数据集进行量纲归一化处理，得到标准化的数据集；

对所述标准化的数据集进行特征提取，得到特征向量集，并通过主成分分析对所述特征向量集进行降维处理，得到关键特征集；

对所述关键特征集进行相关性分析，得到特征关联矩阵，并基于所述特征关联矩阵进行数据聚类，得到数据分布模式。

4.根据权利要求1所述的基于AI人工智能的配电方法，其特征在于，所述通过多层次混合模型训练对所述标准化的数据集进行分析建模，得到配电系统的AI分析模型，包括：对所述标准化的数据集进行数据分割，得到训练集和验证集，并对所述训练集进行特征工程处理，得到增强特征集；

对所述增强特征集构建包含5层全连接层的深度神经网络，得到基础网络结构，并在所述基础网络结构中每两层之间添加批归一化层和修正线性单元激活函数，得到多层神经网络架构；

在所述多层神经网络架构的输入层后添加3层双向长短期记忆层，每层包含128个神经元，得到时序分析网络，并在所述时序分析网络的长短期记忆层输出上应用多头自注意力机制，头数设为8，得到重点特征权重分布；

将所述重点特征权重分布输入到3层二维卷积层中，每层使用3x3卷积核和32个过滤器，得到空间特征分析网络，并在所述空间特征分析网络中每层卷积后添加一个跳跃连接，得到深层特征表示；

将所述深层特征表示输入到一个双深度Q网络结构中，包含两个相同的Q网络，每个Q网络包含3层全连接层，神经元数分别为256、128、64，得到决策优化网络，并将预先训练的知识图谱嵌入向量与所述决策优化网络的第二层输出连接，得到知识增强的决策表示；

在所述知识增强的决策表示之后添加一个包含2层全连接层的迁移学习结构，每层包含64个神经元，得到适应性优化网络，并通过5折交叉验证对所述适应性优化网络进行学习率、批量大小和随机失活率的参数调优，得到配电系统的AI分析模型。

5.根据权利要求1所述的基于AI人工智能的配电方法，其特征在于，所述通过所述AI分析模型对实时采集的配电数据进行处理分析，得到负载预测结果和动态平衡策略，包括：对所述实时采集的配电数据进行特征提取，得到实时特征集，并将所述实时特征集输入所述AI分析模型，得到初步预测结果；

对所述初步预测结果进行短期负载预测，得到15分钟至1小时的负载预测数据，并对所述负载预测数据进行中期负载预测，得到1天至1周的负载预测趋势；

基于所述负载预测趋势进行长期负载预测，得到1个月至1年的负载预测规划，并对所述负载预测规划进行误差分析，得到预测可信度评估；

根据所述预测可信度评估对配电网络进行负载分布分析，得到负载预测结果，并基于所述负载预测结果生成负载均衡方案，得到初步动态平衡策略；

对所述初步动态平衡策略进行多场景模拟，得到策略效果评估，并根据所述策略效果评估进行参数优化，得到动态平衡策略。

6.根据权利要求1所述的基于AI人工智能的配电方法，其特征在于，所述基于所述负载预测结果和动态平衡策略，对系统运行参数进行异常模式识别和多路径推理，得到设备健康状态评估和维护建议，包括：对系统运行参数进行实时监测，得到参数变化序列，并将所述参数变化序列与历史正常运行数据进行比对，得到偏差值集合；

对所述偏差值集合进行聚类分析，得到异常模式候选集，并对所述异常模式候选集进行特征提取，得到异常特征向量；

将所述异常特征向量输入预训练的异常检测模型，得到异常概率分布，并根据所述异常概率分布确定异常等级，得到设备异常状态评估；

基于所述设备异常状态评估在知识图谱中进行多路径推理，得到故障原因集合，并对所述故障原因集合进行优先级排序，得到故障诊断结果；

根据所述故障诊断结果生成设备健康状态报告，得到设备健康状态评估，并基于所述设备健康状态评估制定预防性维护计划，得到维护建议。

7.根据权利要求1所述的基于AI人工智能的配电方法，其特征在于，所述基于所述设备健康状态评估和维护建议，对可再生能源供给和用电需求进行多目标优化计算，得到智能能源调度方案，包括：对可再生能源发电设备进行健康状态评估，得到可用发电容量预测，并结合天气预报数据对可再生能源进行发电量预测，得到可再生能源供给预测；

基于用户历史用电数据和负载预测结果进行用电需求分析，得到用电需求预测，并将所述用电需求预测与所述可再生能源供给预测进行匹配度分析，得到初步供需平衡方案；

对所述初步供需平衡方案进行多目标优化计算，得到候选调度方案集，并对所述候选调度方案集进行仿真验证，得到方案可行性评估；

根据所述方案可行性评估选择最优调度方案，得到智能能源调度方案。

8.一种智能配电柜，用于实现如权利要求1-7中任一项所述的基于AI人工智能的配电方法，其特征在于，所述智能配电柜包括：采集模块，用于通过智能传感器网络对配电系统的关键节点进行实时数据采集，得到原始配电系统运行数据；

处理模块，用于通过数据预处理算法对所述原始配电系统运行数据进行清洗和标准化处理，得到标准化的数据集；

建模模块，用于通过多层次混合模型训练对所述标准化的数据集进行分析建模，得到配电系统的AI分析模型；

分析模块，用于通过所述AI分析模型对实时采集的配电数据进行处理分析，得到负载预测结果和动态平衡策略；

识别模块，用于基于所述负载预测结果和动态平衡策略，对系统运行参数进行异常模式识别和多路径推理，得到设备健康状态评估和维护建议；

计算模块，用于基于所述设备健康状态评估和维护建议，对可再生能源供给和用电需求进行多目标优化计算，得到智能能源调度方案。