1.一种负载预测方法，其特征在于，包括：获取用户电表在设定时间段内的多个参量数据；利用单参量网络模型，得到每种参量数据对应的所述用户电表管理的负载状态的第一预测结果；利用所述多个参量数据以及多参量融合网络模型，得到所述多个参量数据对应的负载状态的第二预测结果；根据预设融合规则，将所述第一预测结果与所述第二预测结果进行融合，得到所述用户电表管理的每个负载的状态预测结果。
2.根据权利要求1所述的负载预测方法，其特征在于，通过下述方式训练得到所述单参量网络模型：采集所述用户电表在预设时间段内的所述多个参量数据中每种参量数据及其对应的负载状态；利用所述每种参量数据及其对应的负载状态训练预设单参量网络，得到所述每种参量数据对应的所述单参量网络模型。
3.根据权利要求2所述的负载预测方法，其特征在于，所述预设单参量网络包括DAE、RNN、Seq2Point和LSTM中的一者或多者。
4.根据权利要求1所述的负载预测方法，其特征在于，所述利用单参量网络模型，得到每种参量数据对应的所述用户电表管理的负载状态的第一预测结果包括：将每种参量数据分别代入其对应的单参量网络模型中，并将每个单参量网络模型的输出确定为其对应负载状态的第一预测结果。
5.根据权利要求1所述的负载预测方法，其特征在于，所述利用所述多个参量数据以及多参量融合网络模型，得到所述多个参量数据对应的负载状态的第二预测结果包括：将所述多个参量数据组成二维参量矩阵；利用降维算法融合所述二维参量矩阵，得到融合参量后的参量融合数据；将所述参量融合数据代入所述多参量融合网络模型，输出得到所述多个参量数据对应的负载状态的第二预测结果。
6.根据权利要求5所述的负载预测方法，其特征在于，所述降维算法为主成分分析算法、奇异值分解算法、因子分析算法或独立成分分析算法。
7.根据权利要求1所述的负载预测方法，其特征在于，通过下述方式训练得到所述多参量融合网络模型：采集所述用户电表在预设时间段内的所述多个参量数据中每种参量数据及其对应的负载状态；将所述多个参量数据组成二维矩阵；利用所述二维矩阵及其对应的负载状态训练预设多参量融合网络，得到训练后的所述多参量融合网络模型。
8.根据权利要求7所述的负载预测方法，其特征在于，所述预设多参量融合网络包括卷积神经网络。
9.根据权利要求1所述的负载预测方法，其特征在于，所述根据预设融合规则，将所述第一预测结果与所述第二预测结果进行融合，得到所述用户电表管理的每个负载的状态预测结果包括：将所述第一预测结果与所述第二预测结果组成二维结果矩阵；利用所述预设融合规则，将所述二维结果矩阵中的每一列进行融合，得到一维向量；将所述一维向量中的每一位确定为所述用户电表管理的每个负载的状态预测结果。
10.根据权利要求1所述的负载预测方法，其特征在于，所述预设融合规则为支持向量机、异常值检测算法或聚类算法。
11.一种负载预测装置，其特征在于，包括：获取模块，用于获取用户电表在设定时间段内的多个参量数据；单参量预测模块，用于利用单参量网络模型，得到每种参量数据对应的所述用户电表管理的负载状态的第一预测结果；多参量预测模块，用于利用所述多个参量数据以及多参量融合网络模型，得到所述多个参量数据对应的负载状态的第二预测结果；结果融合模块，用于根据预设融合规则，将所述第一预测结果与所述第二预测结果进行融合，得到所述用户电表管理的每个负载的状态预测结果。
12.根据权利要求11所述的负载预测装置，其特征在于，所述单参量预测模块利用的所述单参量网络模型通过下述方式训练得到：采集所述用户电表在预设时间段内的所述多个参量数据中每种参量数据及其对应的负载状态；利用所述每种参量数据及其对应的负载状态训练预设单参量网络，得到所述每种参量数据对应的所述单参量网络模型。
13.根据权利要求11所述的负载预测装置，其特征在于，所述单参量预测模块具体用于将每种参量数据分别代入其对应的单参量网络模型中，并将每个单参量网络模型的输出确定为其对应负载状态的第一预测结果。
14.根据权利要求11所述的负载预测装置，其特征在于，所述多参量预测模块具体用于：将所述多个参量数据组成二维参量矩阵；利用降维算法融合所述二维参量矩阵，得到融合参量后的参量融合数据；将所述参量融合数据代入所述多参量融合网络模型，输出得到所述多个参量数据对应的负载状态的第二预测结果。
15.根据权利要求11所述的负载预测装置，其特征在于，所述多参量预测模块利用的所述多参量融合网络模型通过下述方式训练得到：采集所述用户电表在预设时间段内的所述多个参量数据中每种参量数据及其对应的负载状态；将所述多个参量数据组成二维矩阵；利用所述二维矩阵及其对应的负载状态训练预设多参量融合网络，得到训练后的所述多参量融合网络模型。
16.根据权利要求15所述的负载预测装置，其特征在于，所述预设多参量融合网络包括卷积神经网络。
17.根据权利要求11所述的负载预测装置，其特征在于，所述结果融合模块具体用于：将所述第一预测结果与所述第二预测结果组成二维结果矩阵；利用所述预设融合规则，将所述二维结果矩阵中的每一列进行融合，得到一维向量；将所述一维向量中的每一位确定为所述用户电表管理的每个负载的状态预测结果。
18.一种芯片，其特征在于，所述芯片包括根据权利要求11-17任一项所述的负载预测装置。
19.一种电子设备，其特征在于，所述电子设备包括根据权利要求11-17任一项所述的负载预测装置。
20.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行权利要求1-10中任一项权利要求所述的负载预测方法。
