1.一种负荷辨识方法，其特征在于，包括：采集负荷用电数据；对所述负荷用电数据进行预处理，得到预处理数据；从所述预处理数据中提取负荷特征；将所述负荷特征输入预设非侵入式负荷综合辨识模型，输出所述负荷用电数据的辨识结果；其中，所述预设非侵入式负荷综合辨识模型包括长短时记忆LSTM神经网络辨识子模型和加权随机森林子模型，具体的：所述负荷特征包括有功功率、无功功率、电流谐波和功率波形；所述从所述预处理数据中提取负荷特征的步骤，包括：从所述预处理数据中提取所述有功功率和所述无功功率；对所述预处理数据进行离散傅里叶变换，得到所述电流谐波；采用所述有功功率、所述无功功率生成所述功率波形；将所述有功功率、所述无功功率和所述电流谐波作为样本输入所述LSTM神经网络子模型，输出所述样本的第一辨识结果；将所述功率波形输入所述加权随机森林子模型，输出所述功率波形的第二辨识结果；采用预设加权软投票法融合所述第一辨识结果和所述第二辨识结果，输出所述负荷用电数据的辨识结果；所述加权软投票法具体如下：式中，Y为集成后的输出向量，W i 为h i 的权重向量，argmax()获取向量最大元素的下标。
2.根据权利要求1所述的方法，其特征在于，所述对所述负荷用电数据进行预处理，得到预处理数据的步骤，包括：对所述负荷用电数据进行去重、插值和去噪的预处理，得到预处理数据。
3.一种负荷辨识装置，其特征在于，包括：负荷用电数据采集模块，用于采集负荷用电数据；预处理模块，用于对所述负荷用电数据进行预处理，得到预处理数据；负荷特征提取模块，用于从所述预处理数据中提取负荷特征，具体的：所述负荷特征包括有功功率、无功功率、电流谐波和功率波形；所述负荷特征提取模块，包括：有功功率和所述无功功率提取子模块，用于从所述预处理数据中提取所述有功功率和所述无功功率；电流谐波提取子模块，用于对所述预处理数据进行离散傅里叶变换，得到所述电流谐波；功率波形生成子模块，用于采用所述有功功率、所述无功功率生成所述功率波形；辨识结果输出模块，用于将所述负荷特征输入预设非侵入式负荷综合辨识模型，输出所述负荷用电数据的辨识结果；所述辨识结果输出模块，包括：第一辨识结果输出子模块，用于将所述有功功率、所述无功功率和所述电流谐波作为样本输入所述LSTM神经网络子模型，输出所述样本的第一辨识结果；第二辨识结果输出子模块，用于将所述功率波形输入所述加权随机森林子模型，输出所述功率波形的第二辨识结果；辨识结果输出子模块，用于采用预设加权软投票法融合所述第一辨识结果和所述第二辨识结果，输出所述负荷用电数据的辨识结果；所述加权软投票法具体如下：式中，Y为集成后的输出向量，W i 为h i 的权重向量，argmax()获取向量最大元素的下标；其中，所述预设非侵入式负荷综合辨识模型包括长短时记忆LSTM神经网络辨识子模型和加权随机森林子模型。
4.根据权利要求3所述的装置，其特征在于，所述预处理模块，包括：预处理子模块，用于对所述负荷用电数据进行去重、插值和去噪的预处理，得到预处理数据。
5.一种负荷辨识设备，其特征在于，所述设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行权利要求1-2任一项所述的负荷辨识方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-2任一项所述的负荷辨识方法。
