1.一种气象因素影响下基于负荷特性的改进短期负荷的预测方法，其具体操作步骤如下： 步骤1：从SCADA实时数据库和气象数据库导入原始的用户负荷数据并预处理，其中，实时数据库为用电企业或者设备的用电负荷情况、电流、电压数据，以及企业或者设备的实时生产时间表数据，气象数据库为气温、湿度、风力以及风向数据； 步骤2：依据负荷特性细分为典型五类负荷，其中，典型五类负荷分别为基本保障负荷、生产计划负荷、气象敏感负荷、照明调控负荷以及随机负荷； 步骤3：使用聚类算法结合相关影响因素分别对每一类典型负荷进行相似日细分； 步骤4：使用分布式预测模型对不同类型负荷分别预测，且所采用的预测方法为误差较小的优化改进粒子群优化径向基神经网络和最小二乘支持向量机回归模型算法； 步骤5：通过耦合预测数据得到适用于需求侧响应的准确短期负荷预测数据，其中，耦合预测数据为根据各种负荷的关联程度以数据参数来量化出一个具体值。 2.根据权利要求1所述的一种气象因素影响下基于负荷特性的改进短期负荷的预测方法，其特征在于：所述步骤1中的预处理过程用于对坏数据进行处理，且该坏数据包括数据缺失和数据突变。 3.根据权利要求2所述的一种气象因素影响下基于负荷特性的改进短期负荷的预测方法，其特征在于：所述步骤1的坏数据中的数据突变所满足的方程为 式中：β1为负荷峰值的阀值；β2为负荷谷值的阀值，依据不同类型负荷分别取值，对于首端负荷，使用右侧的级比生成进行修正，而末端使用左侧数据修正，中间段取其前后负荷加权平均。 4.根据权利要求1所述的一种气象因素影响下基于负荷特性的改进短期负荷的预测方法，其特征在于：所述步骤2中的基本保障负荷为基本的用电数据，生产计划负荷为工厂生产计划，生产机厂、设备的功率以及时间，气象敏感负荷为温度、风速以及雨雪天气信息，照明调控负荷为照明调控的总功率、时长，随机负荷为临时性的用电情况以及电路损耗相关信息。 5.根据权利要求1所述的一种气象因素影响下基于负荷特性的改进短期负荷的预测方法，其特征在于：所述步骤3中的属性聚类算法为基于属性权重的聚类算法。
