1.一种电网企业财务健康诊断方法，其特征在于：基于企业当前财务状态，利用智能计算技术建立专家系统与神经网络相结合的电网企业财务健康诊断模型，利用专家系统作为框架，在其知识的存储和表示上，将神经网络融入其中；在进行财务健康检测诊断时，利用信息融合方法建立一个智能计算诊断系统，使神经网络与专家系统相辅相成；通过构建智能计算诊断知识库、神经网络知识学习以及专家系统推理，对企业财务健康状态的检测与诊断，并通过数据云台将诊断结论传输至上级电网数据中心进行存储。
2.根据权利要求1所述的一种电网企业财务健康诊断方法，其特征在于：所述专家系统具有专门知识与经验的程序系统，应用人工智能和计算机技术，根据领域内一个以上专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程；
电网企业财务健康诊断模型基于专家系统进行知识推理机制，知识推理机制包括知识库构建、知识表示和知识推理机。
3.根据权利要求2所述的一种电网企业财务健康诊断方法，其特征在于，所述知识库构建方法如下：专家系统的知识库采用多层级模式，分类建立数据库、事实库、规则库；数据库用于存储电网企业财务状态，包括历史数据和当前状态数据；事实库存储专家知识与专家经验；规则库包括诊断规则库和元知识规则库，诊断规则库包括用于异常状态诊断的知识、用于异常状态原因分析的知识和用于消除异常状态的处置措施的知识。
4.根据权利要求3所述的一种电网企业财务健康诊断方法，其特征在于，所述知识表示采用谓词结构、产生式规则两种表达方式，根据知识的特点辅以框架表示方法，其过程如下：
财务健康状态指标数据用谓词逻辑表示，在谓词逻辑中，事实由一个关系和多个有关系的个体组成，用p(xl,x2，...)表示n元谓词计算式，其中，p为n元谓词，12，...)为客体变量或变元，谓词计算式表示为：
(x)(i(x))→(l(x)∧h(x)∧p(x)∧q(x))(1)
其中，i(x)表示企业财务状况，l(x)表示短期偿债能，h(x)表示长期偿债能，p(x)表示经营能力，q(x)表示获利能力；
检测型的知识采用产生式规则表示，基于规则的产生式系统是一种适合于表达因果关系的表示模式，产生式的规则：其igthen结构接近人类思维和会话的自然形式，企业财务健康检测诊断的检测型知识采用产生式规则表示。
5.根据权利要求4所述的一种电网企业财务健康诊断方法，其特征在于，所述知识推理机是智能系统中用来实现推理的程序，专家系统的知识推理过程是通过知识推理机完成的；知识推理机通过运用由用户提供的初始数据，从知识库中选取相关的知识，并按照推理策略进行推理，直到得出相应的结论。
6.根据权利要求5所述的一种电网企业财务健康诊断方法，其特征在于，所述知识推理机采用不精确推理方法构建不精确推理模型，财务健康检测诊断使用模糊推理，其理论基础是模糊集理论以及在此基础上发展起来的模糊逻辑。
7.根据权利要求6所述的一种电网企业财务健康诊断方法，其特征在于，所述知识推理机的推理方向有3种：正向推理、反向推理以及正反向混合推理；企业财务健康检测诊断平台采用采用正、反向推理相结合的混合方式，在检测到数据异常状态时，先采取正向推理的方法根据目前异常状态初步推理出可能的原因，然后通过反向推理进一步求证目标，排除多个原因中的一部分内容，然后再进行正向推理。
8.根据权利要求7所述的一种电网企业财务健康诊断方法，其特征在于，所述知识推理机的搜索策略采用宽度优先搜索和深度优先搜索两种算法，电网企业财务健康检测知识推理，在知识库的规则查找路径方式上，正向推理采取深度优先搜索策略，以找到问题原因，而反向推理采用宽度优先策略。
9.根据权利要求8所述的一种电网企业财务健康诊断方法，其特征在于，所述知识推理机采用的诊断规则库通过bp神经网络进行知识的存储与知识表示。
10.根据权利要求9所述的一种电网企业财务健康诊断方法，其特征在于，bp神经网络以及异常状态层级和异常状态类别划分建立多个神经网络，神经网络的学习采用具有监督的delta算法，根据网络的实际输出与期望输出之间的差别调整各个连接权值。