1.一种能源互联网用户用电量预测方法，其特征在于，包括：S1、将待预测的用户用电数据划分为多个待预测目标数据块，每个待预测目标数据块对应不同的时间段；S2、基于训练后每个时间段对应的预测模型，分别获取各个时间段对应的待预测目标数据块与多个参考目标数据块之间的相关系数和幅度比，所述参考目标数据块为与所述待预测目标数据块采集时间段相同且采集日期不同的数据块；S3、将所述相关系数大于第一预设阈值且所述幅度比小于第二预设阈值的参考目标数据块进行加权平均，并将加权平均的结果作为待预测目标数据块的预测结果；步骤S2之前所述方法还包括：按照不同的时间段分别建立每个时间段对应的预测模型，并根据历史采集数据分别对每个时间段对应的预测模型进行训练，所述历史采集数据为按照一定时间间隔不间断采集的用户用电历史数据，并按照预设时间段对所述用户用电历史数据进行标记；所述根据历史采集数据分别对每个时间段对应的预测模型进行训练，具体包括：基于历史采集数据，获取每个时间段对应的相关系数和幅度比序列；基于自回归算法和每个时间段对应的相关系数和幅度比序列，计算每个时间段对应的自回归系数；步骤S2具体包括：基于训练后每个时间段对应的预测模型，计算待预测时间段之外的待预测数据块和参考数据块之间的相关系数和幅度比；基于待预测时间段之外的待预测数据块和参考数据块之间的相关系数和幅度比和待预测时间段对应的自回归系数，计算待预测目标数据块与多个参考目标数据块之间的相关系数和幅度比。
2.根据权利要求1所述的方法，其特征在于，所述基于历史采集数据，获取每个时间段对应的相关系数和幅度比序列，还包括：基于预设的截断函数对历史采集数据进行截断，以使获取的每个时间段对应的幅度比在预设范围内，所述截断函数至少包括对数函数或最大值归一化函数。
3.根据权利要求1所述的方法，其特征在于，步骤S3之后所述方法还包括：计算待预测目标数据块的预测结果和真实数据之间的平均绝对误差值和平均相对误差值，以评估预测性能。
4.一种能源互联网用户用电量预测系统，其特征在于，所述系统包括：分块模块，用于将待预测的用户用电数据划分为多个待预测目标数据块，每个待预测目标数据块对应不同的时间段；获取模块，用于基于训练后每个时间段对应的预测模型，分别获取各个时间段对应的待预测目标数据块与多个参考目标数据块之间的相关系数和幅度比，所述参考目标数据块为与所述待预测目标数据块采集时间段相同且采集日期不同的数据块；预测模块，用于将所述相关系数大于第一预设阈值且所述幅度比小于第二预设阈值的参考目标数据块进行加权平均，并将加权平均的结果作为待预测目标数据块的预测结果；所述系统还包括训练模块，用于按照不同的时间段分别建立每个时间段对应的预测模型，并根据历史采集数据分别对每个时间段对应的预测模型进行训练，所述历史采集数据为按照一定时间间隔不间断采集的用户用电历史数据，并按照预设时间段对所述用户用电历史数据进行标记；所述根据历史采集数据分别对每个时间段对应的预测模型进行训练，具体包括：基于历史采集数据，获取每个时间段对应的相关系数和幅度比序列；基于自回归算法和每个时间段对应的相关系数和幅度比序列，计算每个时间段对应的自回归系数；获取模块具体用于：基于训练后每个时间段对应的预测模型，计算待预测时间段之外的待预测数据块和参考数据块之间的相关系数和幅度比；基于待预测时间段之外的待预测数据块和参考数据块之间的相关系数和幅度比和待预测时间段对应的自回归系数，计算待预测目标数据块与多个参考目标数据块之间的相关系数和幅度比。
5.一种计算机设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至3任一所述的方法。
6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至3任一项所述的方法。
