1.一种基于众源传感数据预测的用电地图动态构造方法，其特征在于，包括如下步骤：S1实时众源传感数据清洗步骤，用于将采集到的与历史用电数据和实时传感器数据进行汇总清洗，剔除冗余数据、错误数据，仿真补充缺失数据，为后续的用电量预测提供完整的数据支撑；S2区域用电量预测步骤，用于构建模型，实现区域用电量的实时预测；S3区域用电量预测动态更新步骤，用于定期基于新采集到的用户用电信息，优化用电量预测模型，实现预测精度的提升；S4用电量预测数据地图分级关联步骤，此步骤用户将实时用电量预测数据与地图分级关联；S5用电地图动态构造步骤，用于将步骤四新建的ArcGIS地图和关联的预测用电量，实时渲染显示；S4具体实现步骤为：S41在ArcGIS软件中，以底图为基础，新建区划图层，图层数以分层数为准；分为武汉市和各区2级，则新增两个图层，一个图层以武汉市整体显示，一个图层以各区显示；S42在ArcGIS新增图层中，各个区域以面要素构建，每个面要素新增属性一一用电量；S43再次新建图层，用于存储所有的用电用户，用电用户以点要素存储，点要素的位置为用电用户的实际位置；S44对于用电用户密集区域，则合并存储为一个点要素，点要素的用电量属性记为该位置所有用户的用电量之和；S45至此便实现了分级区域面要素与该区域预测用电量的数据关联，以及用电用户预测用电量和点要素的关联。
2.根据权利要求1所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，S1具体实现步骤为：S11历史数据采集部分，需收集区域内用户往年的用电信息，具体包括前三年的日用电度数、用电时段和当日的温度、湿度和降雨量信息；S12实时传感器数据部分，需采集实时或当日的平均气温、平均湿度和降雨量信息；S13在实时传感数据部分，需采集用户所在位置对应的湿度和降雨量信息，由于湿度和降雨量信息，无法直接从用户终端设备直接获取，因此采用虚拟传感器的方式采集；S14W D 被认为该用户虚拟传感器获得的当前位置实时湿度和降雨量数据。
3.根据权利要求2所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，S12采集方法为：S121对于实时日平均气温，从用户智能电表端的温度传感器模块获取一天24小时的分时段温度数据，每小时采集一次；S122对采集到的每天24条数据进行自动分析，当连续小时的温度差大于5℃，则认定为异常数据予以剔除；S123剔除后的该小时温度数据，采用前后小时段平均插值的方式予以代替；S124将整理后的24小时分时段温度数据取均值，作为该智能电表用户的实时日平均气温数据。
4.根据权利要求2所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，S13具体采集方法为：S131用爬虫软件获取互联网公开的实时天气信息，收集能够获取到的最小行政区天气数据；S132在平面地图中，计算区域内各个行政区的几何中心位置，将采集到的行政区天气信息标记为对应几何中心的天气信息；S133对于用电用户，根据其所在位置，计算与区域内各个行政区几何中心的直线距离；S134以用电用户与各个行政区的直线距离长短为权重，将各个行政区几何中心的天气信息同步至该用户；S134计算方法如下：某区域有三个行政区A、B、C，其几何中心记为C A 、C B 、C C ，几何中心对应的天气信息记为W A 、W B 、W C ，用户X与C A 、C B 、C C 的直线距离记为D A 、D B 、D C ，则该用户所在位置的天气数据包括湿度和降雨量计算为：
5.根据权利要求2所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，S2具体实现步骤为：S21首先构建深度学习训练框架，选用Tensorflow 2.0为深度学习平台，采用递归神经网络中的长短期记忆网络为训练框架，用于后续用电量预测模型的训练；S22其次需要划分样本和样本标签，样本为历史数据中心每个用电用户某日的众源传感器数据，包括实时采集并记录的温度数据，以及步骤S13中构建虚拟传感器所求得的湿度和降雨量数据；样本标签标定为历史数据中对应于某位用户某日众源传感器数据的当日用电量；S23接着需要实现预测模型的训练，运用步骤S21构建的LSTM训练框架和步骤S22整理的样本集进行模型训练；区域内所有用户都有一个独立的用电量预测模型；S24最后实时预测区域用电量并数值化输出。
6.根据权利要求5所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，S24具体方法为：S241运用步骤S23训练的一系列模型，针对每个用电用户的独立模型，实现未来某日每个独立用户的用电量预测；S242分级统计所有用电用户的位置信息和所属区域信息；S243按不同分级分别预测区域所有用户用电量，分两级：第一级预测市级用电量，第二级预测各个行政区用电量；S244将不同层级区域的用电量预测结果数字化输出。
7.根据权利要求5所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，S3具体实现步骤为：S31按周或月为单位，定期将每个用户的最新的用电数据，包括按照步骤S1的方法进行清洗、整理；S32将清洗整理的用户新增用电数据加入样本库，包括样本和本标签；S33在S2的训练环境下，对已训练好的用户用电量预测模型进行二次训练，训练样本集调整为步骤S32新增后的样本集；S34将经过二次训练的模型用作实时用电量预测，按照步骤S24的方式输出数据。
8.根据权利要求1所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，S5具体实现步骤为：S51在地图界面新增交互控件，用于实现人机交互，响应操作员的区域选择命令；S52对于图层中的区域，以单一彩色渲染，彩色选择RGB颜色空间中的单红色、单绿色或单蓝色；S53将每个图层中的用电量预测数据，归一到0-255区间内；S54以步骤S53处理后的颜色数字来渲染对应区域；S55对于步骤S43所建的用电用户图层，将单用户用电量预测数据归一到0-100区间内；S56、以步骤S55处理后的数值，来显示单用户的点要素大小；S57至此则实现了用电地图的动态构造。
9.一种基于众源传感数据预测的用电地图动态构造的系统，用于权利要求1-8任一项所述的基于众源传感数据预测的用电地图动态构造方法，其特征在于，包括依次连接的实时众源传感数据清洗模块(10)、区域用电量预测模块(20)、区域用电量预测动态更新模块(30)、用电量预测数据地图分级关联模块(40)和用电地图动态构造模块(50)。
