1.一种多尺度电力负荷预测方法，其特征在于，应用于电力负荷预测系统，所述方法包括：使用变分模态分解，将原始电力负荷数据分解为 个本征模态分量序列，其中 >1；对 个所述本征模态分量序列分别进行快速傅里叶变换，得到频域信号；计算所述频域信号对应的频率成分，找到频谱中幅值最大的频率成分的索引；计算每个所述本征模态分量序列的长度除以所述索引即可得到周期，去除所述周期大于所述本征模态分量序列的长度或者小于2的值，得到显著周期；将输入的时间序列分割成相互交错的长度为 的patch，分离连续patch的孤立区域长度为 ；将所述时间序列的最后一个负荷值拷贝 次附加在所述时间序列最后，分割形成 个patch，从而形成不同尺度时间序列；基于Transformer模型对所述不同尺度时间序列进行预测处理，并将获取到的结果加权求和以获得最终的预测结果。
2.根据权利要求1所述的方法，其特征在于，所述使用变分模态分解，将原始电力负荷数据分解为 个本征模态分量序列，包括以下步骤：步骤A101：初始化中心频率，模态函数，拉格朗日乘子和最大迭代次数；步骤A102：通过拉格朗日函数将所述不同尺度时间序列分解为 个所述模态函数，以使得每个模态函数具有最小的频带宽度；步骤A103：通过交替方向乘子法求解优化问题，并更新所述模态函数和所述中心频率；步骤A104：更新拉格朗日乘子以使所述优化问题逐步逼近最优解；步骤A105：重复步骤A103、A104中的更新过程，直到达到预设的收敛条件或所述最大迭代次数后，输出最终的所述本征模态分量序列。
3.根据权利要求1所述的方法，其特征在于，所述基于Transformer模型对所述不同尺度时间序列进行预测处理，并将获取到的结果加权求和以获得最终的预测结果，包括：构建包括编码器块和线性预测头解码器块的Transformer模型；将所述不同尺度时间序列对应的特征向量序列独立输入编码块进行特征编码，输出得到所述编码器块的隐藏状态特征；将所述隐藏状态特征输入到所述线性预测头解码器块进行特征解码，输出得到不同尺度的预测结果；将所述不同尺度的预测结果进行加权求和得到最终的预测结果。
4.根据权利要求3所述的方法，其特征在于，所述将所述不同尺度时间序列对应的特征向量序列独立输入编码块进行特征编码，输出得到所述编码器块的隐藏状态特征，包括：对输入所述不同尺度时间序列进行位置编码，得到位置编码特征；对所述位置编码特征进行处理得到所述隐藏状态特征。
5.根据权利要求3所述的方法，其特征在于，所述将所述不同尺度的预测结果进行加权求和得到最终的预测结果，包括：确定所述显著周期的个数为权重的个数，根据所述显著周期的长度，确定每个权重；确定所述显著周期的个数为所述不同尺度的预测结果个数，根据每个所述不同尺度的预测结果对应的所述权重，获得所述最终的预测结果。
6.一种多尺度电力负荷预测装置，其特征在于，应用于权利要求1至5任一项所述的多尺度电力负荷预测方法，所述装置包括：处理模块，用于使用变分模态分解，将原始电力负荷数据分解为 个本征模态分量序列，其中 >1；筛选模块，用于利用快速傅里叶变换提取每个所述本征模态分量序列的主频率，根据所述主频率计算出对应的周期，并筛选出显著周期；所述处理模块，还用于使用所述显著周期作为patch长度，对输入的时间序列进行所述patch长度的分割，得到不同尺度时间序列；预测模块，用于基于Transformer模型对所述不同尺度时间序列进行预测处理，并将获取到的结果加权求和以获得最终的预测结果。
7.一种多尺度电力负荷预测设备，其特征在于，包括：存储器；处理器；其中，所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-5中任一项所述的多尺度电力负荷预测方法。
8.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-5中任一项所述的多尺度电力负荷预测方法。
