1.一种基于细粒度用能数据的群租房识别方法，其特征在于：所述方法包括以下步骤：步骤1：综合居民用户的电器功能、使用数量、使用频率情况，对电器进行层级细分，并选取用于群租房识别的细分电器；步骤2：采集步骤1所选细分电器的细粒度用能数据并进行预处理，其中细粒度用能数据是指细分电器15min/点的细分电器用电量及总用电量；步骤3：提取居民用户的用电行为特征，包括用电量特性、变动特性、波动特性；所述用电量特性，包括以下特征指标：每个用户H个月的月均用电量、每个用户H个月空调类电器月均电量、每个用户H个月电热类电器月均用电量、每个用户H个月厨房类电器月均用电量、每个用户H个月月均夜间用电率；所述变动特性，包括以下特征指标：每个用户前r个月与后12-r个月的平均用电量差值、每个用户前r个月与后12-r个月电热类电器用电量差值、每个用户前r个月与后12-r个月厨房类电器用电量差值，每个用户12个月用电用电量线性拟合的斜率；所述波动特性，包括以下特征指标：每个用户12个月的总用电量标准差、每个用户12个月电热类电器标准差、每个用户12个月厨房类电器用电量标准差，每个用户前r个月的总用电量序列的标准差/后12-r月用电量序列的标准差、每个用户前r个月电热类电器序列的标准差/后12-r电热类电器序列的标准差、每个用户前r个月厨房类电器用电量序列的标准差/后12-r月用电量序列的标准差，每个用户12个月月均日用电波动性；步骤4：采用CRITIC权重法，配置步骤3所提取用电行为特征的特征指标权重；步骤5：基于用电行为特征值及其权重，采用基于SOM神经网络的聚类算法，识别疑似群租房用户与正常居民用户。
2.根据权利要求1所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤1中，将电器划分为两个层级，第一层级电器包括：空调类电器、电热类电器、电暖类电器、厨房类电器、其他类电器；空调类电器的第二层级电器包括：定频空调类电器和变频空调类电器；电热类电器的第二层级电器包括：储水式电热水器、即热式电热水器、普通烧水式电水壶、带温控储水式电水壶、电吹风、储水式小厨宝、即热式小厨宝；电暖类电器的第二层级电器包括：油汀、风暖式浴霸、灯暖式浴霸；厨房类电器的第二层级电器包括：电磁炉、定频微波炉、变频微波炉、电饭煲、电烤箱；其他类电器的第二层级电器包括：定频波纹洗衣机、定频滚筒洗衣机、变频滚筒洗衣机。
3.根据权利要求2所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤1中，选取空调类电器、电热类电器和厨房类电器，用于群租房识别的细分电器。
4.根据权利要求1所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤2具体包括以下步骤：步骤2-1：采用非入户智能终端，对细分电器的运行数据进行辨识提取；步骤2-2：对提取数据进行数据清洗及异常值剔除；步骤2-3：筛选得到细分电器15min/点的细分电器用电量及总用电量。
5.根据权利要求4所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤2-2具体为：选取工作日数据，剔除周末及特殊节假日，并剔除1天内连续4h低于事件期间平均用电量的75％或高于其125％的日用电量。
6.根据权利要求1所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤3所述用电量特性，包括以下特征指标：(1)每个用户H个月月均用电量 E j (n)为用户n在j月的用电量；(2)每个用户H个月空调类电器月均电量 E D1_j (n)为用户n在j月的空调类电器用电量；(3)每个用户H个月电热类电器月均用电量 E D2_j (n)为用户n在j月的电热类电器用电量；(4)每个用户H个月厨房类电器月均用电量 E D3_j (n)为用户n在j月的厨房类电器用电量；(5)每个用户H个月月均夜间用电率 r night_j (n)为用户n在j月的夜间用电率：E night_j (n)为用户n在j月的夜均用电量；1≤H≤12，1≤j≤12。
7.根据权利要求6所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤3所述变动特性，包括以下特征指标：(1)每个用户前r个月与后12-r个月平均用电量差值：Davg_r(n)；(2)每个用户前r个月与后12-r个月电热类电器用电量差值：Davg_r2(n)；(3)每个用户前r个月与后12-r个月厨房类电器用电量差值：Davg_r3(n)；(4)每个用户12个月用电用电量线性拟合的斜率：r(n)；其中，r取7。
8.根据权利要求1所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤3所述波动特性，包括以下特征指标：(1)每个用户12个月总用电量标准差Sd(n)；(2)每个用户12个月电热类电器标准差Sd_d2(n)；(3)每个用户12个月厨房类电器用电量标准差Sd_d3(n)；(4)每个用户前r个月总用电量序列的标准差/后12-r月用电量序列的标准差：be_sd(n)；(5)每个用户前r个月电热类电器序列的标准差/后12-r电热类电器序列的标准差：be_sd2；(6)每个用户前r个月厨房类电器用电量序列的标准差/后12-r月用电量序列的标准差：be_sd3(n)；(7)每个用户12个月月均日用电波动性 其中T j (n)为j月均用电波动性：T i (n)为i日的日用电波动性：其中，|t d (n)|的取值方式为：将1天以2h为一个时间段平均分成12段，计算每个时间的用电量为T d ，d＝1,2,……，12，计算12个时间段的用电均值
9.根据权利要求1所述的一种基于细粒度用能数据的群租房识别方法，其特征在于：步骤4具体包括以下步骤：步骤4-1：计算各特征指标标准差S p ：其中，x np 表示用户n第p项特征指标的数值，N为用户数量；S p 表示第p个特征指标的标准差；计算各特征指标相关系数R q ：其中，r qp 表示特征指标q和p之间的相关系数,Q为特征指标数量；步骤4-2：计算各特征指标信息量C p ：步骤4-3：计算第p个特征指标的客观权重W p ：
