1.一种基于大数据分析的用电行为预测方法，其特征在于，该方法包括以下步骤：

根据当前车辆在集中充电区域进行充电前的用电能耗，得到当前车辆的第一用电特征，并获取同一采样时刻下集中充电区域中其他车辆的第一用电特征，以得到当前车辆的基准用电特征，计算当前车辆的第一用电特征和基准用电特征之间的相似程度，得到当前车辆的用电行为典型程度；

获取同一采样时刻下集中充电区域中所有车辆的所述用电行为典型程度，并根据集中充电区域内的有效充电车辆数量，计算同一采样时刻下集中充电区域的充电车辆数量不稳定性；根据所有车辆在集中充电区域进行充电后的用电能耗，分别得到每个车辆的第二用电特征；将每个车辆的所述第一用电特征、所述用电行为典型程度、所述第二用电特征和所述充电车辆数量不稳定性构成对应车辆的第一特征向量；

利用任意两个第一特征向量之间的不相似程度对所有车辆进行聚类，得到M个聚类簇，M为正整数，将当前车辆所在聚类簇中的其他车辆作为目标车辆，根据所有车辆的下一次聚类结果，分别统计每个聚类簇所包含的目标车辆的第一数量，将M个聚类簇的第一数量组成数量序列，对所述数量序列进行极差标准化得到当前车辆对应的第一特征向量的转移置信度描述子；

获取每个第一特征向量的所述转移置信度描述子，将第一特征向量中的所述第一用电特征、所述用电行为典型程度和所述充电车辆数量不稳定性作为FCN预测网络的输入、所述转移置信度描述子作为输出，对所述FCN预测网络进行训练，利用训练好的所述FCN预测网络得到待检测车辆的所述转移置信度描述子的预测值，根据预测值对待检测车辆进行异常用电行为检测。

2.如权利要求1所述的一种基于大数据分析的用电行为预测方法，其特征在于，所述第一用电特征的获取方法，包括：基于采样频率获取当前车辆在指定时段内的用电能耗，以构建当前车辆充电前的能耗直方图，将所述能耗直方图中的所有直方图bin构成当前车辆的所述第一用电特征。

3.如权利要求1所述的一种基于大数据分析的用电行为预测方法，其特征在于，所述当前车辆的用电行为典型程度的获取方法，包括：分别计算当前车辆与其他车辆对应所述第一用电特征之间的相似值，令相似值按照从大到小排序，将最大相似值对应的其他车辆的所述第一用电特征和第K个相似值对应的其他车辆的所述第一用电特征作为当前车辆的基准用电特征；

分别计算当前车辆的所述第一用电特征与基准用电特征中每个所述第一用电特征之间的L2距离，将两个L2距离之间的均值作为当前车辆的所述用电行为典型程度。

4.如权利要求1所述的一种基于大数据分析的用电行为预测方法，其特征在于，所述充电车辆数量不稳定性的获取方法，包括：基于历史充电数据，分别统计每次历史采样对应的有效充电车辆数量，进而结合同一采样时刻下的有效充电车辆数量以构成时序上的有效充电车辆数量序列，选取所述有效充电车辆数量序列中top‑n个有效充电车辆数量计算平均值，n为正整数，将平均值与所述车辆数量序列中最后一个有效充电车辆数量之间的差值作为所述充电车辆数量不稳定性。

5.如权利要求1所述的一种基于大数据分析的用电行为预测方法，其特征在于，所述利用任意两个第一特征向量之间的不相似程度对所有车辆进行聚类的方法，包括：利用Similarity函数分别计算任意两个第一特征向量中对应所述第二用电特征之间的第一相似值、对应所述用电行为典型程度之间的第二相似值、对应所述充电车辆数量不稳定性之间的第三相似值；

获取第一相似值、第二相似值和第三相似值之间的乘积，由乘积得到所述不相似程度，所述不相似程度与乘积之间呈负相关关系；

将所述不相似程度作为样本距离，基于样本距离利用OPTICS算法对所有车辆进行聚类。

6.如权利要求1所述的一种基于大数据分析的用电行为预测方法，其特征在于，所述根据预测值对待检测车辆进行异常用电行为检测的方法，包括：获取待检测车辆所在的聚类簇，在所述预测值中获取该聚类簇所对应的元素值，当元素值小于元素值阈值时，确认该待检测车辆存在异常用电行为。

7.一种基于大数据分析的用电行为预测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑6任意一项所述方法的步骤。