1.一种基于边缘集群的光伏系统发电功率预测方法，其特征在于，所述方法适用于分布式光伏发电系统，所述分布式光伏发电系统包括计量系统、调度管理系统和气象系统，所述方法包括：每间隔第一预设时长，分别从所述计量系统获取分布式光伏的发电功率和位置信息，得到第一发电功率和第一位置信息，从所述计量系统获取用户侧直接并网分布式光伏的发电功率，得到第二发电功率，从所述调度管理系统获取所述用户侧直接并网分布式光伏对应的馈线，得到第二位置信息，从所述调度管理系统获取检修记录，得到第一检修规划，从所述气象系统获取环境数据，得到第一环境数据，对所述第一发电功率、所述第一位置信息、所述第二发电功率、所述第二位置信息、所述第一检修规划和所述第一环境数据进行预处理，得到第一训练数据集，所述预处理至少包括数据清洗、数据裁剪和数据补全；根据递归特征消除法对所述第一训练数据集进行特征筛选，得到第二训练数据集；基于因子分析法对所述第二训练数据集进行特征提取，得到第三训练数据集；基于所述第三训练数据集进行预测模型训练，得到发电预测模型，所述发电预测模型用于基于所述第一发电功率、所述第二发电功率、所述第一检修规划和所述第一环境数据中的一个或多个预测未来第二预设时长内所述分布式光伏发电系统的发电功率；获取目标预测参数，将所述目标预测参数输入所述发电预测模型，得到目标发电功率，所述目标预测参数包括过去所述第一预设时长内所述第一发电功率、所述第二发电功率、所述第一检修规划和所述第一环境数据中的至少一个；对所述第一发电功率、所述第一位置信息、所述第二发电功率、所述第二位置信息和所述第一环境数据进行预处理，得到第一训练数据集，包括：基于所述第一位置信息确定所述第一发电功率对应的台区，对各所述台区对应的所述第一发电功率分别进行求和，得到对应的第三发电功率；基于所述第二位置信息确定所述第二发电功率对应的所述馈线所属的所述台区，并根据馈线与所述台区之间的关系、所述第二发电功率和所述第三发电功率对各所述馈线对应的发电功率进行累加，得到对应的第四发电功率；根据所述第三发电功率、所述第四发电功率、所述第一检修规划和所述第一环境数据构建第四训练数据集；对所述第四训练数据集依次进行缺失值处理、连续恒定值处理、突变异常值处理和趋势异常值处理，得到所述第一训练数据集；对所述第四训练数据集进行趋势异常值处理，包括：以所述第四训练数据集中的所述第一环境数据中的辐照度为基准，确定辐照度的变化趋势，在所述第四训练数据集中的所述第三发电功率或所述第四发电功率的变化趋势与辐照度的变化趋势相反的情况下，基于线性补充法对所述第三发电功率或所述第四发电功率的变化趋势进行修复。
2.根据权利要求1所述的方法，其特征在于，对所述第四训练数据集依次进行缺失值处理和连续恒定值处理，包括：遍历所述第四训练数据集确定其中样本数据的空值或NAN值，确定为所述缺失值；基于第一预设值对所述缺失值进行替代，以完成所述缺失值处理；计算各相邻时刻的样本数据之间的差值，得到第一功率增量，对相邻所述第一功率增量进行求和，得到第二功率增量小于第一阈值的情况下，将所述第二功率增量对应的样本数据确定为所述连续恒定值；在所述连续恒定值对应的时长小于第二阈值的情况下，基于线性填充法进行处理，在所述连续恒定值对应的时长大于或等于所述第二阈值的情况下，基于相似日法进行处理。
3.根据权利要求1所述的方法，其特征在于，对所述第四训练数据集进行突变异常值处理，包括：基于预设公式 对所述第四训练数据集中的样本数据进行筛选，得到所述突变异常值，其中， 为概率函数， 为相邻时刻对应的样本数据的变化量， 为 对应的期望， 表示样本偏离期望的程度；删除所述突变异常值并基于线性插值法进行填充。
4.根据权利要求1所述的方法，其特征在于，根据递归特征消除法对所述第一训练数据集进行特征筛选，得到第二训练数据集，包括：以所述第一训练数据集为初始特征集合，基于预设学习器基于所述初始特征集合测试所述预设学习器的性能，得到性能评分；在所述预设学习器的所述性能评分小于第三阈值的情况下，根据所述初始特征集合中的各特征的权值系数进行特征评分，得到目标特征评分；基于所述目标特征评分从小大到大对各所述特征进行排列并删除前预设数量的所述特征；基于更新后的所述初始特征集合重新进行所述预设学习器的性能测试并更新所述初始特征集合，直至所述性能评分大于等于所述第三阈值，将所述初始特征集确定为所述第二训练数据集。
5.根据权利要求4所述的方法，其特征在于，基于因子分析法对所述第二训练数据集进行特征提取，得到第三训练数据集，包括：根据所述第二训练数据集构建样本序列，所述样本序列每一行表征一个样本，所述样本序列每一列表征一个特征变量；计算各所述特征变量之间的相关系数矩阵，基于所述相关系数矩阵进行因子分析，确定第一目标因子；将所述特征变量表示为共同的所述第一目标因子的线性组合，得到各所述特征变量在各共同因子上的因子载荷；基于所述因子载荷筛选各所述特征变量对应的主要因子，将在对应的所述主要因子对应的所述因子载荷大于第四阈值的所述特征变量确定为目标变量；基于所述目标变量构建所述第三训练数据集。
6.一种基于边缘集群的光伏系统发电功率预测装置，其特征在于，所述装置适用于分布式光伏发电系统，所述分布式光伏发电系统包括计量系统、调度管理系统和气象系统，所述装置包括：第一获取单元，用于每间隔第一预设时长，分别从所述计量系统获取分布式光伏的发电功率和位置信息，得到第一发电功率和第一位置信息，从所述计量系统获取用户侧直接并网分布式光伏的发电功率，得到第二发电功率，从所述调度管理系统获取所述用户侧直接并网分布式光伏对应的馈线，得到第二位置信息，从所述调度管理系统获取检修记录，得到第一检修规划，从所述气象系统获取环境数据，得到第一环境数据，对所述第一发电功率、所述第一位置信息、所述第二发电功率、所述第二位置信息、所述第一检修规划和所述第一环境数据进行预处理，得到第一训练数据集，所述预处理至少包括数据清洗、数据裁剪和数据补全；第一计算单元，用于根据递归特征消除法对所述第一训练数据集进行特征筛选，得到第二训练数据集；第二计算单元，用于基于因子分析法对所述第二训练数据集进行特征提取，得到第三训练数据集；训练单元，用于基于所述第三训练数据集进行预测模型训练，得到发电预测模型，所述发电预测模型用于基于所述第一发电功率、所述第二发电功率、所述第一检修规划和所述第一环境数据中的一个或多个预测未来第二预设时长内所述分布式光伏发电系统的发电功率；预测单元，用于获取目标预测参数，将所述目标预测参数输入所述发电预测模型，得到目标发电功率，所述目标预测参数包括过去所述第一预设时长内所述第一发电功率、所述第二发电功率、所述第一检修规划和所述第一环境数据中的至少一个；所述装置还用于执行以下步骤：基于所述第一位置信息确定所述第一发电功率对应的台区，对各所述台区对应的所述第一发电功率分别进行求和，得到对应的第三发电功率；基于所述第二位置信息确定所述第二发电功率对应的所述馈线所属的所述台区，并根据馈线与所述台区之间的关系、所述第二发电功率和所述第三发电功率对各所述馈线对应的发电功率进行累加，得到对应的第四发电功率；根据所述第三发电功率、所述第四发电功率、所述第一检修规划和所述第一环境数据构建第四训练数据集；对所述第四训练数据集依次进行缺失值处理、连续恒定值处理、突变异常值处理和趋势异常值处理，得到所述第一训练数据集；以所述第四训练数据集中的所述第一环境数据中的辐照度为基准，确定辐照度的变化趋势，在所述第四训练数据集中的所述第三发电功率或所述第四发电功率的变化趋势与辐照度的变化趋势相反的情况下，基于线性补充法对所述第三发电功率或所述第四发电功率的变化趋势进行修复。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至5中任意一项所述的方法。
8.一种监控系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至5中任意一项所述的方法。
