1.一种电力负荷预测方法，其特征在于，包括：对采集到的预设时间段的电力负荷数据进行预处理，得到第一特征数据和第二特征数据；其中，所述第一特征数据是对预设时间段的第一非结构化负荷数据预处理得到的，所述第二特征数据是对预设时间段的第一结构化负荷数据预处理得到的；将所述第一特征数据输入到预先训练的卷积神经网络进行特征提取，得到第一一特征向量，并将所述第一一特征向量输入到预先训练的Transformer编码器模型中，得到第一特征向量；将所述第二特征数据输入到预先训练的LSTM-Attention网络模型中，得到第二特征向量；其中，所述LSTM-Attention网络模型为引入注意力机制的双向LSTM模型；将所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量，并将所述拼接特征向量输入到预先训练的全连接神经网络进行预测，得到电力负荷预测结果。
2.如权利要求1所述的电力负荷预测方法，其特征在于，所述对采集到的预设时间段的电力负荷数据进行预处理，得到第一特征数据和第二特征数据，具体包括：对预设时间段的电力负荷数据进行过滤、填充、标准化和归一化处理，并根据数据类型，将处理后的数据分为第二结构化负荷数据和第二非结构化负荷数据；对所述第二非结构化负荷数据进行向量化处理，得到第一特征数据；对所述第二结构化负荷数据进行降维处理，得到第二特征数据。
3.如权利要求2所述的电力负荷预测方法，其特征在于，所述对预设时间段的电力负荷数据进行过滤、填充、标准化和归一化处理，并根据数据类型，将处理后的数据分为第二结构化负荷数据和第二非结构化负荷数据，具体包括：将所述预设时间段的电力负荷数据整理成数据表，其中，所述数据表的每一列用于存放影响因素名称和相关联的数据；遍历所述数据表的每一列，查找并删除数据缺失率大于第一预设缺失率的所在列、查找并删除与前一列影响因素名称相同的所在列、查找并填充数据缺失率小于第二预设缺失率的所在列、查找并删除存在异常数据的所在行，得到过滤填充后的数据表；将过滤填充后的数据表中的数据进行标准化和归一化处理，并根据数据类型，将过滤填充后的数据表中的数据分为第二结构化负荷数据和第二非结构化负荷数据。
4.如权利要求2所述的电力负荷预测方法，其特征在于，所述对所述第二非结构化负荷数据进行向量化处理，得到第一特征数据，具体为：采用One-hot编码、BOW模型、TF-IDF算法或N-Gram模型对所述第二非结构化负荷数据进行向量化处理，得到第一特征数据。
5.一种电力负荷预测装置，其特征在于，包括：数据预处理模块，对采集到的预设时间段的电力负荷数据进行预处理，得到第一特征数据和第二特征数据；其中，所述第一特征数据是对预设时间段的第一结构化负荷数据预处理得到的，所述第二特征数据是对预设时间段的第一非结构化负荷数据预处理得到的；第一特征向量获取模块，用于将所述第一特征数据输入到预先训练的卷积神经网络进行特征提取，得到第一一特征向量，并将所述第一一特征向量输入到预先训练的Transformer编码器模型中，得到第一特征向量；第二特征向量获取模块，用于将所述第二特征数据输入到预先训练的LSTM-Attention网络模型中，得到第二特征向量；其中，所述LSTM-Attention网络模型为引入注意力机制的双向LSTM模型；预测结果获取模块，用于将所述第一特征向量和所述第二特征向量进行拼接，得到拼接特征向量，并将所述拼接特征向量输入到预先训练的全连接神经网络进行预测，得到电力负荷预测结果。
6.如权利要求5所述的电力负荷预测装置，其特征在于，所述数据预处理模块，具体包括：过滤填充处理单元，用于对预设时间段的电力负荷数据进行过滤、填充、标准化和归一化处理，并根据数据类型，将处理后的数据分为第二结构化负荷数据和第二非结构化负荷数据；第一特征数据获取单元，用于对所述第二非结构化负荷数据进行向量化处理，得到第一特征数据；第二特征数据获取单元，用于对所述第二结构化负荷数据进行降维处理，得到第二特征数据。
7.如权利要求6所述的电力负荷预测装置，其特征在于，所述过滤填充处理单元，具体用于：对将所述预设时间段的电力负荷数据整理成数据表，其中，所述数据表的每一列用于存放影响因素名称和相关联的数据；遍历所述数据表的每一列，查找并删除数据缺失率大于第一预设缺失率的所在列、查找并删除与前一列影响因素名称相同的所在列、查找并填充数据缺失率小于第二预设缺失率的所在列、查找并删除存在异常数据的所在行，得到过滤填充后的数据表；将过滤填充后的数据表中的数据进行标准化和归一化处理，并根据数据类型，将过滤填充后的数据表中的数据分为第二结构化负荷数据和第二非结构化负荷数据。
8.如权利要求6所述的电力负荷预测装置，其特征在于，所述第一特征数据获取单元，具体用于：采用One-hot编码、BOW模型、TF-IDF算法或N-Gram模型对所述第二非结构化负荷数据进行向量化处理，得到第一特征数据。
9.一种电力负荷预测设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的电力负荷预测方法。
10.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的电力负荷预测方法。
