1.一种基于图神经网络的电力监控事件识别与智能分析方法，其特征在于：所述方法包括如下步骤：
2.根据权利要求1所述的一种基于图神经网络的电力监控事件识别与智能分析方法，其特征在于：所述步骤1中采集的告警信号包括事故、异常、越限、变位、告知。
3.根据权利要求1所述的一种基于图神经网络的电力监控事件识别与智能分析方法，其特征在于：步骤2中，对告警信息通过命名实体识别技术对文本中的实体名称进行知识抽取，基于自然语言处理的术语比较，对这些知识进行分词，通过本体映射、实例匹配将告警信息中相同的地点、线路、原因等进行分类，并将这些告警信息进行知识融合，对融合后的知识通过置信度评估检查是否有无关的告警信息被分类到了一起，计算知识的可靠程度，从而完成知识加工，根据变电站中常见的故障事件，得到主保护动作轨迹soe，接着对初步明确的流程进行归纳、整理，从而构建一个完整的电力监控事件知识图谱。
4.根据权利要求1所述的一种基于图神经网络的电力监控事件识别与智能分析方法，其特征在于：步骤2中对针对告警信号的非结构化数据采用基于bi-lstm-crf的优化模型进行知识抽取，在模型输入前，对事件信息中数字附近的词向量按距离赋权重，重新给数字向量赋值；优化提取模型的数字向量计算公式如下：
5.根据权利要求1所述的一种基于图神经网络的电力监控事件识别与智能分析方法，其特征在于：步骤3中采用具有注意机制的图神经网络学习电力监控事件知识图谱的特征，将相邻节点的特征添加到自身节点特征中，计算每个标签节点与周围的一步邻居节点的注意得分，得到节点特征向量；计算两个节点hi和hj之间的相关性公式为：
6.根据权利要求4所述的一种基于图神经网络的电力监控事件识别与智能分析方法，其特征在于：步骤3中综合研究节点的实体特征和关系特征，挖掘电力监控事件图谱中研究实体分别作为头实体和尾实体时的双向隐藏状态，推理研究实体的隐藏特征向量fi；其计算公式为：
7.根据权利要求1所述的一种基于图神经网络的电力监控事件识别与智能分析方法，其特征在于：步骤4将告警信号输入电力监控事件知识图谱，采用基于注意力机制的图卷积神经网络att-gcn对知识图谱中告警信号实体与其所有邻居实体进行相关性计算，准确推理该告警信号的隐藏特征向量，进而链接预测确定故障类型，匹配辅助方案。