1.一种基于生成对抗网络的综合能源系统负荷场景生成方法，其特征在于，包括以下步骤：S1：获取综合能源系统负荷数据，建立冷热电负荷样本数据集合；S2：构建生成对抗网络模型；S3：交替训练生成器模型和判别器模型D；S4：生成综合能源系统负荷场景；所述步骤S1包括以下步骤：S11：获取到各天的冷热电负荷数据，一天共获取N个负荷值，负荷值按相同时间间隔获取；S12：对获取的负荷值进行预处理，补全丢失的数据或修正异常的数据；S13：根据下式对负荷值进行归一化处理，将每个数据的值被缩放为介于0和1之间的值：式中：x表示样本数据集，x＝[x 1 ，x 2 ，…，x i ，…，x n ]，n为总体样本数；x min 表示样本数据集中的最小值；x max 表示样本数据集中的最大值；x i 为样本数据集中的第i个数据，i的取值范围为[1,n]；所述步骤S2包括以下步骤：S21：定义生成器模型G由一个全连接层和四个反卷积层组成，在每个计算层之后使用批归一化处理，最后使用Sigmoid激活函数最终输出；其中，Sigmoid激活函数为：S22：定义判别器模型D由三个卷积层和一个全连接层组成，除第一层卷积层和第三层卷积层外，第二层卷积层和全连接层均使用批量归一化处理，最后使用LeakyRelu作为激活函数输出；其中，LeakyRelu激活函数为：所述步骤S3包括以下步骤：S31：噪声发生单元N产生某一特定长度的随机噪声序列z i ；S32：随机噪声序列z i 输入生成器模型G，并经生成器模型G的网络映射成场景G(z)；S33：将生成器模型G生成的场景G(z)和抽样的训练样本场景x i 输入判别器模型D中，判别器模型D分别给出表征场景为真假的值D(x)和D(G(z))；S34：根据下式分别计算判别器模型D和生成器模型G的损失函数；L G ＝-E Z [D(G(z))]，L D ＝-E X [D(x)+E Z [D(G(z))]]，其中，L G 表示生成器的损失函数，L D 表示判别器的损失函数，E Z 表示对应的随机噪声分布的期望值，E X 表示对应的真实样本分布的期望值；S35：将S34的结果反向传播给生成器模型G和判别器模型自身，根据下式更新调整网络参数θ g，t 和网络参数θ d，t ；θ g,t ＝θ g,t-1 -▽ln(1-D(G(z)))，θ d,t ＝θ d,t-1 -▽ln(D(x))+ln(1-D(G(z)))，其中，θ g,t-1 和θ d,t-1 为当第t轮训练开始前生成器网络的参数和判别器网络D的参数；S36：重复步骤S31-S35，直到网络参数θ g，t 和网络参数θ d，t 收敛为止。
2.根据权利要求1所述的一种基于生成对抗网络的综合能源系统负荷场景生成方法，其特征在于，生成器模型G的输入是一组大小为96×1的随机数组。
3.根据权利要求1所述的一种基于生成对抗网络的综合能源系统负荷场景生成方法，其特征在于，第一层卷积层、第二层卷积层和第三层卷积层的滤波尺寸均为5×5。
4.根据权利要求1所述的一种基于生成对抗网络的综合能源系统负荷场景生成方法，其特征在于，步骤S4中，将训练完成的生成器模型G和判别器模型D固定，将生成器模型G用于从输入的随机噪声序列z i 中模拟生成相冷热电负荷数据并输出。
