1.一种用户侧电力负荷预测方法，其特征在于，所述方法包括：获取历史气象记录数据，所述历史气象记录数据为在预置时间范围内每日气象记录数据，所述每日气象记录数据为包括每间隔预置单位时间上的气象数据，所述气象数据至少包括气温、湿度、光照辐射度、风速；其中，所述每日气象记录数据对应关联日期和季节；获取历史电力负荷数据，所述历史电力负荷数据为在所述预置时间范围内每日电力负荷数据，所述每日电力负荷数据为包括每间隔预置单位时间上的电力负荷数据；根据相同的时间特征，将所述历史气象记录数据和所述历史电力负荷数据建立关联，得到按照日期排序的时间序列数据，所述时间序列数据中包括多个组合数据之间的序列排序，每个所述组合数据中包括有气象和电力负荷两个维度的数据；采用预置机器学习架构对所述时间序列数据进行训练处理，以构建应用于预测用户侧电力负荷的目标预测模型，所述预置机器学习架构为XGBoost框架；其中，所述采用预置机器学习架构对所述时间序列数据进行训练处理，以构建应用于预测用户侧电力负荷的目标预测模型，包括：对所述时间序列数据进行特征处理，得到在所述时间序列数据中每个所述组合数据对应的特征数据，所述特征数据为至少包括：将气象数据中的描述信息转化为数值表示；根据在所述时间序列数据中不同组合数据所对应的排序，对不同所述组合数据各自对应的所述特征数据添加排序序号，得到每个所述特征数据对应唯一的所述排序序号；根据所述排序序号的排序先后，确定由所述特征数据组成的数据序列；通过在所述数据序列上采用预置滑动窗口按照预置间距不断滑动，以确定多组输入特征和输出标签，所述输入特征为所述预置滑动窗口对应当前框选的特征数据，所述输出标签为所述预置滑动窗口对应当前框选的特征数据的下一个相邻特征数据；采用预置XGBoost框架对所述多组输入特征和输出标签进行训练处理，以构建应用于预测用户侧电力负荷的预测模型；利用所述目标预测模型对获取到的当前气象记录数据和当前电力负荷数据进行处理，输出在未来时间范围上对用户侧电力负荷的预测结果。
2.根据权利要求1所述的方法，其特征在于，在获取历史气象记录数据之后，所述方法还包括：通过对所述历史气象记录数据进行特征分析处理，提取气象恶劣特征对应的第一气象记录数据；在所述历史气象记录数据中，将除了所述第一气象记录数据的其他数据，确定为第二气象记录数据；采用向量自回归框架，以所述第一气象记录数据为正样本、所述第二气象记录数据为负样本，训练气象预测模型；将利用所述气象预测模型输出的气象预测数据，应用到所述目标预测模型中，以预测未来的用户侧电力负荷。
3.根据权利要求2所述的方法，其特征在于，在训练所述气象预测模型的过程中，所述方法还包括：若所述第一气象记录数据和所述第二气象记录数据之间数据量差值大于预设阈值；在训练所述气象预测模型的过程中，调整分类器对在所述第一气象记录数据和所述第二气象记录数据中较少数量样本的识别阈值。
4.根据权利要求1所述的方法，其特征在于，在获取历史电力负荷数据之后，所述方法还包括：通过对所述历史电力负荷数据进行分析处理，从中提取受到新能源出力影响对应的目标历史数据，所述新能源出力至少包括风能出力、光伏出力；采用预置LightGBM框架对所述目标历史数据进行训练处理，以构建新能源出力预测模型；将利用所述新能源出力预测模型输出的出力预测数据，应用到所述目标预测模型中，以预测未来的用户侧电力负荷。
5.一种用户侧电力负荷预测装置，其特征在于，所述装置包括：第一获取单元，用于获取历史气象记录数据，所述历史气象记录数据为在预置时间范围内每日气象记录数据，所述每日气象记录数据为包括每间隔预置单位时间上的气象数据，所述气象数据至少包括气温、湿度、光照辐射度、风速；其中，所述每日气象记录数据对应关联日期和季节；第二获取单元，用于获取历史电力负荷数据，所述历史电力负荷数据为在所述预置时间范围内每日电力负荷数据，所述每日电力负荷数据为包括每间隔预置单位时间上的电力负荷数据；第三获取单元，用于根据相同的时间特征，将所述历史气象记录数据和所述历史电力负荷数据建立关联，得到按照日期排序的时间序列数据，所述时间序列数据中包括多个组合数据之间的序列排序，每个所述组合数据中包括有气象和电力负荷两个维度的数据；处理单元，用于采用预置机器学习架构对所述时间序列数据进行训练处理，以构建应用于预测用户侧电力负荷的目标预测模型，所述预置机器学习架构为XGBoost框架；所述处理单元包括：处理模块，用于对所述时间序列数据进行特征处理，得到在所述时间序列数据中每个所述组合数据对应的特征数据，所述特征数据为至少包括：将气象数据中的描述信息转化为数值表示；添加模块，用于根据在所述时间序列数据中不同组合数据所对应的排序，对不同所述组合数据各自对应的所述特征数据添加排序序号，得到每个所述特征数据对应唯一的所述排序序号；第一确定模块，用于根据所述排序序号的排序先后，确定由所述特征数据组成的数据序列；第二确定模块，用于通过在所述数据序列上采用预置滑动窗口按照预置间距不断滑动，以确定多组输入特征和输出标签，所述输入特征为所述预置滑动窗口对应当前框选的特征数据，所述输出标签为所述预置滑动窗口对应当前框选的特征数据的下一个相邻特征数据；构建模块，用于采用预置XGBoost框架对所述多组输入特征和输出标签进行训练处理，以构建应用于预测用户侧电力负荷的预测模型；预测单元，用于利用所述目标预测模型对获取到的当前气象记录数据和当前电力负荷数据进行处理，输出在未来时间范围上对用户侧电力负荷的预测结果。
6.根据权利要求5所述的装置，其特征在于，在获取历史气象记录数据之后，所述装置还包括：划分单元，用于通过对所述历史气象记录数据进行特征分析处理，提取气象恶劣特征对应的第一气象记录数据；所述划分单元，还用于在所述历史气象记录数据中，将除了所述第一气象记录数据的其他数据，确定为第二气象记录数据；第一训练单元，用于采用向量自回归框架，以所述第一气象记录数据为正样本、所述第二气象记录数据为负样本，训练气象预测模型；第一执行单元，用于将利用所述气象预测模型输出的气象预测数据，应用到所述目标预测模型中，以预测未来的用户侧电力负荷。
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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的用户侧电力负荷预测方法。
8.一种电子设备，其特征在于，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1-4中任一项所述的用户侧电力负荷预测方法。
