1.一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述基于深度优先搜索的电力系统安全风险诊断方法包括以下步骤：
2.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s1中，工作参数能够征兆安全风险类型；这种能反映电力系统运行状况的征兆型参数，能够兼具不同的信号特征，或是在某一数值区域内有一定规律变化的参数；获取电力系统安全风险征兆参数是进行安全风险诊断的基础，在参数获取的过程中，数据一般来源于实时监控设备。
3.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s1中，数据采集与处理过程中，应加强数据管理及数据存储工作，保证数据质量，防止数据丢失、损坏、被盗等情况的发生；应建立完整、详细、规范的数据管理体系，对各系统相关数据进行收集和处理，要确保数据的一致性与完整性。
4.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s1中，对于采集到的用户数据，应做好数据分类，包括用户名称、地址、设备号、系统序号或者设备编号等；对于非客户数据，应该遵循“取之于民”理念，对数据进行规范的储存管理，同时做到数据的可溯源性；数据存储过程中应确保数据完整性及一致性；在获取到监测设备的电网运行数据后，所得到的原始数据一般为多源数据；为了便于后续的分析，对原始数据进行处理，打破数据之间的类型壁垒，过程为：式中，x为电力系统中运行参数与正常参数变化范围之间的偏离程度；vr为实际征兆参数的值；v 0为变工况下的参数原始值；vf为运行过程中相应参数的报警值；电力系统运行过程中的征兆参数与正常范围之间的偏离程度不同，所代表的风险类型也不同，因此需要将获取的征兆参数作为基础，来建立风险生成树进行下一步分析。
5.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s2中，电力系统的生成树实际上是一个连通图，用函数表示为：g＝(v，e)；式中，v为连通图g的顶点集合；e为连通图g的边集合；电力系统安全风险生成树在不添加额外边时，在对生成树进行遍历的过程中，以连通图一个顶点作为出发点开始进行遍历。
6.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s2中，由于遍历过程中所采用的方法不同、路线不同，因此经过的边的集合就会产生差异；在以上的过程中，使用深度有限搜索算法对生成树进行遍历；由于深度有限搜索算法是优先遍历所有未遍历过的且拥有最大深度的生成树节点，因此假定生成树的初始状态为连接图中所有的顶点都没被访问过，则首先从连接图中的一个顶点出发，开始进行访问，并根据先后顺序分别对该顶点的最邻近的或还没被访问的相邻节点进行遍历，直至所有顶点都被访问。
7.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s2中，如果此时存在没有被访问的顶点，那么将没有被遍历过的顶点作为原点，按照上述的步骤重新开始遍历。
8.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s2中，生成树遍历过程中，要避免回溯搜索和顶点的重复访问，这也是深度优先搜索过程中的难点部分；此时，需要获取生成树中的有关于顶点与边、边与割集之间的关联矩阵；根据关联矩阵和深度优先搜索算法，从初始顶点搜索出下一个关联节点；首先对电网的拓扑进行网络结构的分析，并记录下当前电网中节点数量和支路数目为了方便分析电力系统的状态，利用节点和支路建立一个关联矩阵；判断在这个网络结构中需要回溯的节点数量是否小于总的网络节点数量，如果是，就判断节点m是否已经完成搜索，如果已经完成搜索，就回溯节点m的源节点后再重新判断节点元素的值；如果节点m没有被搜索过，那么将节点m设置为所搜索的节点，判断节点m的性质是否为树叶。
9.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s5中，生成树遍历过程中，要避免回溯搜索和顶点的重复访问，这也是深度优先搜索过程中的难点部分；此时，需要获取生成树中的有关于顶点与边、边与割集之间的关联矩阵；根据关联矩阵和深度优先搜索算法，从初始顶点搜索出下一个关联节点；首先对电网的拓扑进行网络结构的分析，并记录下当前电网中节点数量和支路数目。
10.如权利要求1所述的一种基于深度优先搜索的电力系统安全风险诊断方法，其特征在于：所述步骤s5中，为了方便分析电力系统的状态，利用节点和支路建立一个关联矩阵；判断在这个网络结构中需要回溯的节点数量是否小于总的网络节点数量，如果是，就判断节点m是否已经完成搜索，如果已经完成搜索，就回溯节点m的源节点后再重新判断节点元素的值；如果节点m没有被搜索过，那么将节点m设置为所搜索的节点，判断节点m的性质是否为树叶。