1.一种基于多数据源的动态风区绘制方法，其特征是：包括以下步骤：根据历史风速数据，计算风速预测参数值；计算风速预测参数值的具体过程包括：风速预测参数值C 1 、C 2 的计算公式为：其中：n为风速数据集包含的年份的数量， 为z i 的均值；对气象观测数据进行存储，形成数据集；建立数据仓库统一管理数据，将历年出现的离散数据或获取的最新数据实时接入到概率模型中；根据气象观测数据，实时更新当前风速相关参数；根据更新后的当前风速相关参数，基于风速预测参数值，结合数据集大小，利用动态预测模型预测风速；利用动态预测模型预测风速时，以极值I型分布函数作为概率模型，且模型的相关参数根据实际情况进行动态调整；当数据集大于设定大小时，采用n-1自由度，否则，使用n自由度；利用动态预测模型预测风速时，对于曾经发生过下击暴流区域，不进行风速预测；对于其他区域，有观测站的，获取每一个观测站所在观测点的数据观测期、观测点的经纬度和历史最大风速，根据历史最大风速来进行预测；无观测站的利用反距离加权平均算法，计算预测风速；获取到所有经纬度区域的预测风速后，将相同的、相邻的风速点连接成等风速线，在地图上标示出来；根据预测得到的风速，绘制台风影响区域，在曾经发生过下击暴流区域进行下击暴流的标记，形成风区专题图；获得至少一个静态图的标准底图后，再使用增补数据点法，对产生的数据进行动态的调整。
2.如权利要求1所述的一种基于多数据源的动态风区绘制方法，其特征是：对气象观测数据进行存储时，将气象站观测到的数据存储为键值对，并对不规范数据进行标准化处理；或，当前风速相关参数包括风速值和最大风速数据。
3.如权利要求2所述的一种基于多数据源的动态风区绘制方法，其特征是：不规范数据进行标准化处理的过程包括：其中：v为风速，z为风速仪的实际高度，v z 为风速仪的观测风速，α为地区粗糙度指数。
4.如权利要求1所述的一种基于多数据源的动态风区绘制方法，其特征是：利用动态预测模型预测风速时，获取电力数据中的强风倒塔事件的数据，包括线路名称、杆塔序号、倒塔时的风速，将线路、杆塔信息转化为杆塔经纬度信息，获取集经度、纬度、风速的三维信息，在静态图上对应的经纬度位置上绘制强风倒塔标志；或，将所述三维信息与该经纬度之前获取的预测风速做比较，如果倒塔风速小于区域预测极大值，则在专题图上标注倒塔位置，不修改预测风速；如果倒塔风速大于区域预测极大值，则标注倒塔位置，并以倒塔位置的风速数据修改预测极大风速。
5.一种基于多数据源的动态风区绘制系统，其特征是：包括：参数计算模块，被配置为根据历史风速数据，计算风速预测参数值；计算风速预测参数值的具体过程包括：风速预测参数值C 1 、C 2 的计算公式为：其中：n为风速数据集包含的年份的数量， 为z i 的均值；观测数据获取模块，被配置为对气象观测数据进行存储，形成数据集；建立数据仓库统一管理数据，将历年出现的离散数据或获取的最新数据实时接入到概率模型中；参数更新模块，被配置为根据气象观测数据，实时更新当前风速相关参数；动态预测模块，被配置为根据更新后的当前风速相关参数，基于风速预测参数值，结合数据集大小，利用动态预测模型预测风速；利用动态预测模型预测风速时，以极值I型分布函数作为概率模型，且模型的相关参数根据实际情况进行动态调整；当数据集大于设定大小时，采用n-1自由度，否则，使用n自由度；利用动态预测模型预测风速时，对于曾经发生过下击暴流区域，不进行风速预测；对于其他区域，有观测站的，获取每一个观测站所在观测点的数据观测期、观测点的经纬度和历史最大风速，根据历史最大风速来进行预测；无观测站的利用反距离加权平均算法，计算预测风速；获取到所有经纬度区域的预测风速后，将相同的、相邻的风速点连接成等风速线，在地图上标示出来；动态绘制模块，被配置为根据预测得到的风速，绘制台风影响区域，在曾经发生过下击暴流区域进行下击暴流的标记，形成风区专题图；获得至少一个静态图的标准底图后，再使用增补数据点法，对产生的数据进行动态的调整。
6.一种计算机可读存储介质，其特征是：用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-4中任一项所述的方法中的步骤。
7.一种电子设备，其特征是：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-4中任一项所述的方法中的步骤。
