1.一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，
包括以下步骤：
第一步，对需求进行分析，明确数据的作用域与运用环境，确定有效的充电桩数据格式；
第二步，按照第一步中的充电桩数据格式，获取需要清洗的充电桩数据；
第三步，对第二步中获取的充电桩数据调用异常检测模型进行预处理；
所述异常检测模型，用以剔除因异常故障产生的无效数据；
所述异常故障包括充电设备故障或/和tcu故障或/和违规拔枪或/和bms通信异常故障；
第四步，对第三步预处理完成的数据进行分析，结合数据的分布曲线，确定数据的清洗规则；所述数据的清洗规则包括数据合并方式以及合并单位；
第五步，根据第四步中确定的清洗规则，对预处理后的数据进行二次清洗与修正，得到修正数据；
第六步，基于原始数据和第五步中二次清洗和修正完成的修正数据进行盲测模型求解，分析结果，验证经过修正数据是否符合预期要求；
若不符合任务要求，重新确定清洗规则，再次进行二次清洗与修正过程，并重新对修正数据进行分析验证，直到修正数据符合预期要求。
2.如权利要求1所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，所述第一步中，
充电桩数据具体包括：充电站档案信息、充电桩档案信息、充电枪档案信息、电能表档案信息、用电时序数据；
充电站档案信息包括充电站运行状态、充电站名称；
充电桩档案信息包括充电桩id、充电桩编号、充电桩类型；
充电枪档案信息包括充电枪id、充电枪类型；
电能表档案信息包括电能表id、倍率；
用电时序数据包括采集时间、电流、电压、功率、电量；
同时明确充电站、充电桩、充电枪、电能表之间的关联关系。
3.如权利要求1所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，所述第三步中，
异常检测模型为正态分布2sigma原则或四分差iqr或孤立森林算法，其对数据异常情况进行检测，考虑到充电桩数据高频采集的特性，数据量足够大，并对检测出的无效数据直接删除。
4.如权利要求1所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，所述第四步中，
数据的清洗规则为采用按小时合并或/和滑动窗口合并，窗口大小设置为4，实现对充电桩数据二次清洗与修正的目的。
5.如权利要求4所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，
按小时合并的具体方法为：对预处理后的数据，按照日期时间升序排列；对日期时间这一列的数据切分，生成两个新的字段：年:月:日时:分，秒；
然后，对于每个电表，针对年:月:日时:分这一字段取值相同的数据累加合并，得到新的按小时合并后的数据，即得到二次清洗与修正后的修正数据。
6.如权利要求4所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，
按滑动窗口合并的具体方法：对预处理后的数据，按照日期时间升序排列；窗口大小为n，对于每个电表，每n个相邻的数据累加合并，得到新的按滑动窗口合并后的数据，即得到二次清洗与修正后的修正数据。
7.如权利要求1所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，所述第五步中，
清洗规则的不同作用于相同的充电桩数据所得到的结果会有差异；
验证修正数据，若误差较大，则需要重新选择清洗规则，再次进行二次清洗与修正。
8.如权利要求1所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，所述第六步中，
盲测模型求解具体包括以下内容：
通过某块电能表运行数据的等比例调整，该块电能表的运行误差会产生一定量的变化；将等比例调整后的数据替换该电能表原始数据，则得到该充电站关于该电能表的误差盲测数据；
将盲测数据代入误差计算模型，得到该电能表关于误差盲测数据的计量误差，对比运行误差变化量比例，得到盲测模型对于该电能表运行误差变化的检出灵敏度；
对比分析二次清洗与修正前后盲测模型灵敏度，验证经过清洗后的修正数据是否符合预期要求；
所述预期要求为数据的计算误差在+5％～-5％之间。
9.如权利要求8所述的一种适用于误差监测计算的充电桩数据清洗方法，其特征在于，所述误差计算模型的能量关系为：
充电站总表供电量＝∑充电桩分表用电量+充电站固定损耗
其中，充电站固定损耗包括充电桩显示和通信设备、输电线路损耗；
上述能量关系的计算公式为：
其中：y表示充电站总表的供电量，p表示充电桩的个数，φj表示充电桩分表的用电量计量值，ε0表示充电站内固定损耗，εj表示第j个充电桩分表的计量点误差；
记
则有：
即
10.一种具有充电桩数据清洗设备的充电站，其特征在于，
包括至少一个充电桩、充电桩数据清洗设备；
所述充电桩设有至少一个充电枪；
所述充电桩数据清洗设备装配一个或多个处理器以及存储装置；
所述存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-9任一所述的一种适用于误差监测计算的充电桩数据清洗方法。