1.一种配电网电能质量评估方法，其特征在于，所述方法包括：
获取目标配电网中待评估的初始电能数据；
对所述初始电能数据进行增量插补处理，以获得第一电能数据；
采用配电网特征分析模型对所述第一电能数据进行特征提取，以得到电能时域特征和/或电能频域特征；所述电能时域特征至少包括：电压或电流的波形畸变值；所述电能频域特征至少包括：谐波含量特征、频率偏移特征、功率频谱特征；
通过电能质量评估模型对所述电能时域特征和/或所述电能频域特征进行预测，以得到目标配电网的电能质量评估结果；
采用配电网特征分析模型对所述第一电能数据进行特征提取，以得到电能时域特征和/或电能频域特征，包括：
将所述第一电能数据输入第一配电网特征分析模型中，以获得所述电能时域特征；所述第一配电网特征分析模型由变分自编码器构建得到；
将所述第一电能数据输入第二配电网特征分析模型中，以获得所述电能频域特征；所述第二配电网特征分析模型由二维卷积神经网络2D‑CNN以及傅里叶变换网络构建得到；
通过电能质量评估模型对所述电能时域特征和/或所述电能频域特征进行预测，以得到目标配电网的电能质量评估结果，包括：
将电压的波形畸变值、电流的波形畸变值、谐波含量特征、频率偏移特征、功率频谱特征输入到随机森林模型中，以获得电能质量评估结果。
2.根据权利要求1所述的配电网电能质量评估方法，其特征在于，对所述初始电能数据进行增量插补处理，以获得第一电能数据，包括：
从所述初始电能数据中确定待填补的缺失电能数据点；
计算所述缺失电能数据点与所述初始电能数据中已存在的电能数据点之间的距离；
选择K个最邻近的电能数据点对所述缺失电能数据点进行插值处理，以获得所述第一电能数据。
3.根据权利要求2所述的配电网电能质量评估方法，其特征在于，插值处理可表示为如下公式：
；
其中，h{y}是所述缺失电能数据点的插值结果，y_i是K个最邻近电能数据点的数值信息，\frac{1}{K}表示对K个最邻近电能数据点的求平均操作，\sum_{i=1}^{K}表示对K个最邻近电能数据点的求和操作，i为大于1并且小于K的数值。
4.根据权利要求1所述的配电网电能质量评估方法，其特征在于，将所述第一电能数据输入第一配电网特征分析模型中，以获得所述电能时域特征，包括：
获取所述第一电能数据输入到第一配电网特征分析模型的编码器，得到潜在空间向量，以使所述第一电能数据中的电能数据点映射到潜在空间中；
通过第一配电网特征分析模型的解码器，将所述潜在空间向量映射到电能数据空间中，重构得到所述第一电能数据对应的重构数据；
确定所述重构数据与所述第一电能数据之间的波形畸变值；所述波形畸变值用于评估第一电能数据波形的失真程度；所述波形畸变值包括均方根误差以及总谐波失真。
5.根据权利要求1所述的配电网电能质量评估方法，其特征在于，将所述第一电能数据输入第二配电网特征分析模型中，以获得所述电能频域特征，包括：
将所述第一电能数据转化为二维图像；
将所述二维图像输入到所述2D‑CNN中提取对应的二维图像时域特征；
将提取到的二维图像时域特征输入到傅里叶变换网络中；
通过所述傅里叶变换网络得到频域特征图，并将所述频域特征图输入到不同特征提取模型中，以提取得到谐波含量特征、频率偏移特征、功率频谱特征。
6.根据权利要求1所述的配电网电能质量评估方法，其特征在于，将电压的波形畸变值、电流的波形畸变值、谐波含量特征、频率偏移特征、功率频谱特征输入到随机森林模型中，以获得电能质量评估结果，包括：
将电压的波形畸变值、电流的波形畸变值、谐波含量特征、频率偏移特征、功率频谱特征输入到随机森林模型中；
遍历随机森林模型中的所有决策树，并根据各个决策树的决策规则进行预测，以得到各个决策树的预测结果；
将各个决策树的预测结果采用第一决策模型，得到所述电能质量评估结果；所述第一决策模型是基于多分类投票机制构建的。
7.根据权利要求1所述的配电网电能质量评估方法，其特征在于，对所述初始电能数据进行增量插补处理，以获得第一电能数据之前，还包括：
对所述初始电能数据进行预处理；所述预处理至少包括：数据清洗、数据归一化；
对预处理得到的所述初始电能数据进行离群点检测处理，并从所述初始电能数据中剔除检测出的异常电能数据；
其中，离群点检测处理采用如下公式：
；
其中，X是初始电能数据点，(\mu)是电能数据的均值，(\sigma)是电能数据的标准差，z是标准化分数；\frac{(X ‑ \mu)}表示对(X ‑ \mu)的求平均操作；若z的绝对值超过设定阈值，则z对应的电能数据点为异常电能数据。
8.根据权利要求1所述的配电网电能质量评估方法，其特征在于，所述初始电能数据还包括不对称数据；所述不对称数据包括配电网中的各个局部区域不平衡的电压值或电流值；所述方法还包括：
基于所述不对称数据确定配电网负序系数、零序电流不平衡系数、不对称S含量、电压不平衡损耗；其中，所述配电网负序系数的计算公式如下：
；
其中，NSF为所述配电网负序系数；I_1为正序分量的幅值，用于表示配电网中正常运行的电流成分；I_2为负序分量的幅值，用于表示配电网中由负序电压引起的不对称电流成分；I_0为零序分量的幅值，用于表示配电网中由零序电压引起的不对称电流成分；
基于所述配电网负序系数、所述零序电流不平衡系数、所述不对称S含量、所述电压不平衡损耗，采用敏感性分析法计算配电网中不对称数据的不平衡程度的综合评估指标；其中，所述综合评估指标的计算公式如下：
；
其中，xi表示标准化后的第i个指标的值，wi表示第i个指标的权重。
9.一种配电网电能质量评估系统，其特征在于，所述系统包括：
获取模块，用于获取目标配电网中待评估的初始电能数据；
增补模块，用于对所述初始电能数据进行增量插补处理，以获得第一电能数据；
提取模块，用于采用配电网特征分析模型对所述第一电能数据进行特征提取，以得到电能时域特征和/或电能频域特征；所述电能时域特征至少包括：电压或电流的波形畸变值；所述电能频域特征至少包括：谐波含量特征、频率偏移特征、功率频谱特征；
预测模块，用于通过电能质量评估模型对所述电能时域特征和/或所述电能频域特征进行预测，以得到目标配电网的电能质量评估结果；
采用配电网特征分析模型对所述第一电能数据进行特征提取，以得到电能时域特征和/或电能频域特征，包括：
将所述第一电能数据输入第一配电网特征分析模型中，以获得所述电能时域特征；所述第一配电网特征分析模型由变分自编码器构建得到；
将所述第一电能数据输入第二配电网特征分析模型中，以获得所述电能频域特征；所述第二配电网特征分析模型由二维卷积神经网络2D‑CNN以及傅里叶变换网络构建得到；
通过电能质量评估模型对所述电能时域特征和/或所述电能频域特征进行预测，以得到目标配电网的电能质量评估结果，包括：
将电压的波形畸变值、电流的波形畸变值、谐波含量特征、频率偏移特征、功率频谱特征输入到随机森林模型中，以获得电能质量评估结果。