1.一种面向配网大数据的多时态维度数据融合方法，其特征在于，包括以下步骤：步骤1、根据数据源进行分类，将每一类数据组成一个由有L个数据构成的集合DATEi，且由各类同类数据集合DATEi组成数据集合DATE；

步骤2、设定统计周期，在每个周期内对数据监测获得实际监测值，及对实际监测值进行融合，确定滑动窗口值Wind；

步骤3、由第n-1个周期监测的实际监测值和预测值，计算出第n个周期的平滑系数值；

步骤4、根据所得第n个周期的平滑系数值和实际监测值，计算出第n个周期的预测值；

步骤5、计算所述第n个周期的实际监测值和预测值的偏离度，及将计算所得偏离度与预设偏离度比较：当计算所得偏离度大于预设偏离度时，执行步骤6；当计算所得偏离度小于预设偏离度时，执行步骤7；

步骤6、根据第n个周期的实际监测值和预测值计算获得修改后的滑动窗口值；

步骤7、取距离第n个周期的若干周期内监测所得实际监测值，根据周期数进行排序得到窗口数据集合；

步骤8、根据所得窗口数据集合，计算修改后的滑动窗口内各个数据的权重系数；

步骤9、根据步骤8所得各个数据的权重系数，计算得到上报数据；

步骤10、将计算所得上报数据添加到同类上报数据集合DATEreporti中；判断数据集合DATE中是否存在未处理数据，将存在未处理的数据转执行步骤2，否则执行步骤11；

步骤11、由计算得到的同类上报数据集合DATEreporti构成新的数据集合DATEreport，以获得融合的数据集合。

2.根据权利要求1所述面向配网大数据的多时态维度数据融合方法，其特征在于：所述步骤2确定滑动窗口值包括步骤：选取第n个周期的前k个历史记录的数列Sk，所述

计算获得历史记录数列Sk的平均值： 其中 表示第i个周期的实际监测值，且k＝1，2，3，...，n-1；

结合周期内监测所得实际监测值和该周期内历史记录数列的平均值，计算获得历史记录数列的方差：选取方差σk最小的一个历史记录数列，及将k作为滑动窗口值Wind的初值。

3.根据权利要求1所述面向配网大数据的多时态维度数据融合方法，其特征在于：所述步骤3计算第n个周期的平滑系数值采用公式：其中，α表示平滑系数值； 表示第n-1个周期的实际监测值， 表示第n-1个周期的预测值。

4.根据权利要求1所述面向配网大数据的多时态维度数据融合方法，其特征在于：所述步骤4计算第n个周期的预测值采用公式：其中， 表示第n个周期的预测值，α表示平滑系数值， 表示第i个周期的预测值， 表示第n-i+1个周期的实际监测值。

5.根据权利要求1所述面向配网大数据的多时态维度数据融合方法，其特征在于：所述步骤8计算修改后的滑动窗口内各个数据的权重系数采用公式：其中，Weighti表示滑动窗口内数据的权重系数；其中Wind表示修改后的滑动窗口值。

6.根据权利要求1所述面向配网大数据的多时态维度数据融合方法，其特征在于：所述步骤9中计算上报数据采用公式：其中，daten表示第n个周期要上报的数据；Weighti表示滑动窗口内数据的权重系数；

表示第n-i+1个周期的实际监测值；Wind表示修改后的滑动窗口值。