1.一种专变电力用户行业识别方法，其特征在于，包括以下步骤：获取同一个区域内的m个专变电力用户以及每个所述专变电力用户每日的数个负荷数据，并根据每个所述专变电力用户的数个负荷数据建立对应专变电力用户的日负荷曲线；采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类处理，得到典型日负荷曲线和曲线概率；若同一个区域内中专变电力用户的典型日负荷曲线未进行行业分类，采用X-means聚类算法对m个所述专变电力用户的所有典型日负荷曲线按照节假日和非节假日分别进行聚类处理，得到聚类后同一个区域内的N条日负荷特征曲线；若同一个区域内中专变电力用户的典型日负荷曲线已进行行业分类，采用欧式距离法对待行业分类的所述专变电力用户中典型日负荷曲线分别与同一个区域内的N条日负荷特征曲线计算，得到距离数据集合，从所述距离数据集合筛选出最小值对应的日负荷特征曲线作为该专变电力用户行业类别的日负荷特征曲线；其中，一条所述典型日负荷曲线作为一个行业类别的日负荷曲线，所述典型日负荷曲线包括节日典型日负荷曲线和非假日典型日负荷曲线，所述曲线概率包括假日曲线概率和非假日曲线概率；采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类处理，得到典型日负荷曲线的步骤包括：采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类，得到聚类后的日负荷曲线；从聚类后的日负荷曲线中选择聚类天数最多的这类行业所有日负荷曲线对应的中心负荷曲线作为所述专变电力用户的典型日负荷曲线；采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类处理，得到典型概率的步骤包括：根据聚类后的日负荷曲线，得到与节假日或非节假日日负荷曲线对应的行业类别和行业类别总数；按每类行业类别中日负荷曲线条数从大到小排序，得到排序后行业类别；对所述排序后行业类别中日负荷曲线条数逐一求和，并将求和条数与节假日或非节假日的日负荷曲线总条数对比，得到比值数值，所述典型日负荷曲线的典型概率为所述比值数值；若所述比值数值大于阈值，则所述典型日负荷曲线的行业类别来自与所述求和条数对应的排序后行业类别。
2.根据权利要求1所述的专变电力用户行业识别方法，其特征在于，根据每个所述专变电力用户的数个负荷数据建立对应专变电力用户的日负荷曲线之前，包括：根据每个所述专变电力用户的数个负荷数据中异常数据进行修复处理，得到修复后的负荷数据。
3.根据权利要求2所述的专变电力用户行业识别方法，其特征在于，包括：对每个所述专变电力用户的负荷数据中异常数据采用插值算法处理，得到修复后的负荷数据。
4.根据权利要求1所述的专变电力用户行业识别方法，其特征在于，采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类处理之前，包括：对每条所述典型日负荷曲线的负荷数据采用最小-最大值归一化处理，得到归一化后的典型日负荷曲线。
5.根据权利要求1所述的专变电力用户行业识别方法，其特征在于，包括：选取N条日负荷特征曲线中间的一条日负荷特征曲线作为中心负荷特征曲线，所述中心负荷特征曲线为区域主行业的日负荷特征曲线。
6.根据权利要求1所述的专变电力用户行业识别方法，其特征在于，包括：获取每个所述专变电力用户每日的至少24个负荷数据。
7.一种专变电力用户行业识别装置，其特征在于，包括数据获取模块、聚类处理模块、第一识别模块和第二识别模块；所述数据获取模块，用于获取同一个区域内的m个专变电力用户以及每个所述专变电力用户每日的数个负荷数据，并根据每个所述专变电力用户的数个负荷数据建立对应专变电力用户的日负荷曲线；所述聚类处理模块，用于采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类处理，得到典型日负荷曲线和曲线概率；所述第一识别模块，用于根据同一个区域内中专变电力用户的典型日负荷曲线未进行行业分类，采用X-means聚类算法对m个所述专变电力用户的所有典型日负荷曲线按照节假日和非节假日分别进行聚类处理，得到聚类后同一个区域内的N条日负荷特征曲线；所述第二识别模块，用于根据同一个区域内中专变电力用户的典型日负荷曲线已进行行业分类，采用欧式距离法对待行业分类的所述专变电力用户中典型日负荷曲线分别与同一个区域内的N条日负荷特征曲线计算，得到N个距离数据，从N个距离数据筛选出最小值对应的日负荷特征曲线作为该专变电力用户行业类别的日负荷特征曲线；其中，一条所述典型日负荷曲线作为一个行业类别的日负荷曲线，所述典型日负荷曲线包括节日典型日负荷曲线和非假日典型日负荷曲线，所述曲线概率包括假日曲线概率和非假日曲线概率；采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类处理，得到典型日负荷曲线的步骤包括：采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类，得到聚类后的日负荷曲线；从聚类后的日负荷曲线中选择聚类天数最多的这类行业所有日负荷曲线对应的中心负荷曲线作为所述专变电力用户的典型日负荷曲线；采用X-means聚类算法对每个所述专变电力用户的n条日负荷曲线按照节假日和非节假日分别进行聚类处理，得到典型概率的步骤包括：根据聚类后的日负荷曲线，得到与节假日或非节假日日负荷曲线对应的行业类别和行业类别总数；按每类行业类别中日负荷曲线条数从大到小排序，得到排序后行业类别；对所述排序后行业类别中日负荷曲线条数逐一求和，并将求和条数与节假日或非节假日的日负荷曲线总条数对比，得到比值数值，所述典型日负荷曲线的典型概率为所述比值数值；若所述比值数值大于阈值，则所述典型日负荷曲线的行业类别来自与所述求和条数对应的排序后行业类别。
8.一种专变电力用户行业识别设备，其特征在于，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如权利要求1-6任意一项所述的专变电力用户行业识别方法。
