1.一种基于泛在电力物联网的负荷预测方法，其特征在于，包括：分别获取泛在电力物联网范围内目标用户和其他用户的数据集，对所述数据集进行预处理；其中，所述数据集包括电气数据、用户间关联数据、用户内部的生产要素数据和负荷相关数据；构建基于深度残差网络的特征提取模型，所述特征提取模型提取第一数据集与目标用户的电气数据间的关联特征，包括：将所述第一数据集中的数据排列成多通道矩阵形式，通过卷积层和激活函数层提取浅层关联特征，通过若干残差块提取深层关联特征，通过第一全局长跳跃连接将所述浅层关联特征与所述深层关联特征加权求和得到所述关联特征；所述第一全局长跳跃连接跨越了若干残差块和一个卷积层；其中，所述第一数据集包括其他用户的电气数据、所述用户间关联数据和所述负荷相关数据；构建基于长短期记忆网络的负荷预测模型，所述负荷预测模型根据第二数据集进行负荷预测得到所述目标用户的负荷数据，包括：将所述第二数据集中的数据排列成多通道矩阵形式，通过卷积层和激活函数层进行非线性转换得到非线性转换结果，通过若干长短期记忆网络层进行特征的学习和传递，通过批归一化层、激活函数层和全连接层输出所述目标用户的负荷数据；通过若干长短期记忆网络层进行特征的学习和传递包括：长短期记忆网络基本单元组通过局部短跳跃连接保留已学知识或学习新知识；长短期记忆网络层通过局部长跳跃连接保留已学知识或学习新知识；通过第二全局长跳跃连接将所述非线性转换结果与长短期记忆网络层的学习结果进行叠加；其中，所述局部短跳跃连接跨越了一组长短期记忆网络基本单元组，所述局部长跳跃连接跨越了一个长短期记忆网络层，所述第二全局长跳跃连接跨越了若干长短期记忆网络层，所述长短期记忆网络层包括若干组长短期记忆网络基本单元组；所述第二数据集包括所述第一数据集、所述关联特征、剩余生产要素数据及剩余生产要素类别，所述剩余生产要素数据及所述剩余生产要素类别是根据所述生产要素数据确定的。
2.根据权利要求1所述的基于泛在电力物联网的负荷预测方法，其特征在于，构建基于长短期记忆网络的负荷预测模型之前还包括：根据所述生产要素数据计算所有生产要素间的相似度，去除相似度超过预设阈值的生产要素，将其他生产要素的数据作为剩余生产要素数据，对所述剩余生产要素数据进行聚类得到剩余生产要素类别。
3.根据权利要求2所述的基于泛在电力物联网的负荷预测方法，其特征在于，根据所述生产要素数据计算所有生产要素间的相似度包括：利用公式 计算两个生产要素间的相似度；其中，I(X,Y)为生产要素X、Y间的相似度，X、Y均为生产要素，x为生产要素X的数据，y为生产要素Y的数据，p(x)为所有包含生产要素X的事件中x出现的概率，p(y)为所有包含生产要素Y的事件中y出现的概率，p(x,y)为所有事件中x和y同时出现的概率。
4.根据权利要求1所述的基于泛在电力物联网的负荷预测方法，其特征在于，所述用户间关联数据包括：网络拓扑关联关系、用户业务关联程度和用电行为相似度；其中，所述用户业务关联程度表示用户间业务来往的关联程度，所述用电行为相似度对用户间的电气数据进行聚类得到的。
5.一种基于泛在电力物联网的负荷预测装置，其特征在于，包括：数据集获取模块，用于分别获取泛在电力物联网范围内目标用户和其他用户的数据集，对所述数据集进行预处理；其中，所述数据集包括电气数据、用户间关联数据、用户内部的生产要素数据和负荷相关数据；特征提取模块，用于构建基于深度残差网络的特征提取模型，所述特征提取模型提取第一数据集与目标用户的电气数据间的关联特征，包括：将所述第一数据集中的数据排列成多通道矩阵形式，通过卷积层和激活函数层提取浅层关联特征，通过若干残差块提取深层关联特征，通过第一全局长跳跃连接将所述浅层关联特征与所述深层关联特征加权求和得到所述关联特征；所述第一全局长跳跃连接跨越了若干残差块和一个卷积层；其中，所述第一数据集包括其他用户的电气数据、所述用户间关联数据和所述负荷相关数据；负荷预测模块，用于构建基于长短期记忆网络的负荷预测模型，所述负荷预测模型根据第二数据集进行负荷预测得到所述目标用户的负荷数据，包括：将所述第二数据集中的数据排列成多通道矩阵形式，通过卷积层和激活函数层进行非线性转换得到非线性转换结果，通过若干长短期记忆网络层进行特征的学习和传递，通过批归一化层、激活函数层和全连接层输出所述目标用户的负荷数据；通过若干长短期记忆网络层进行特征的学习和传递包括：长短期记忆网络基本单元组通过局部短跳跃连接保留已学知识或学习新知识；长短期记忆网络层通过局部长跳跃连接保留已学知识或学习新知识；通过第二全局长跳跃连接将所述非线性转换结果与长短期记忆网络层的学习结果进行叠加；其中，所述局部短跳跃连接跨越了一组长短期记忆网络基本单元组，所述局部长跳跃连接跨越了一个长短期记忆网络层，所述第二全局长跳跃连接跨越了若干长短期记忆网络层，所述长短期记忆网络层包括若干组长短期记忆网络基本单元组；所述第二数据集包括所述第一数据集、所述关联特征、剩余生产要素数据及剩余生产要素类别，所述剩余生产要素数据及所述剩余生产要素类别是根据所述生产要素数据确定的。
6.根据权利要求5所述的基于泛在电力物联网的负荷预测装置，其特征在于，还包括：生产要素数据处理模块，用于根据所述生产要素数据计算所有生产要素间的相似度，去除相似度超过预设阈值的生产要素，将其他生产要素的数据作为剩余生产要素数据，对所述剩余生产要素数据进行聚类得到剩余生产要素类别。
7.根据权利要求5所述的基于泛在电力物联网的负荷预测装置，其特征在于，生产要素数据处理模块根据所述生产要素数据计算所有生产要素间的相似度包括：利用公式 计算两个生产要素间的相似度；其中，I(X,Y)为生产要素X、Y间的相似度，X、Y均为生产要素，x为生产要素X的数据，y为生产要素Y的数据，p(x)为所有包含生产要素X的事件中x出现的概率，p(y)为所有包含生产要素Y的事件中y出现的概率，p(x,y)为所有事件中x和y同时出现的概率。
