1.一种基于大数据的分布式光伏发电功率短期预测方法，其特征在于，包括：获取光伏发电站相关数据并将其输入到训练好的分布式光伏发电功率短期预测模型中，得到光伏发电站预测发电功率；

分布式光伏发电功率短期预测模型的训练过程包括：

步骤S1：获取光伏发电站相关数据，根据光伏发电站相关数据构建无向带权异构图，得到无向带权异构图中所有节点的原始节点特征；

步骤S2：从无向带权异构图中提取连接性特征和重要性特征；步骤S2包括：

步骤S21：构建连接矩阵C作为连接性特征，矩阵中的元素Cij表示在无向带权异构图中节点i和节点j之间最短路径的长度，矩阵C对角线上的元素均为0；

步骤S22：构建重要性分数矩阵作为重要性特征，矩阵只有对角线上的元素有值，Iii表示节点i在无向带权异构图中的重要性分数；

步骤S3：根据无向带权异构图，采用功率时序图卷积神经网络对重要性特征和原始节点特征中的时间序列特征进行处理，得到节点的第一更新节点特征；

步骤S3具体包括：

无向带权异构图包括发电站节点、时间节点和环境节点；采用功率时序图卷积神经网络对重要性特征和原始节点特征中的时间序列特征进行处理，得到新时间序列特征；其中，时间序列特征为时间节点和环境节点的原始节点特征；

每个时间节点或环境节点均拼接该节点对应的原始节点特征和新时间序列特征，得到对应节点的第一更新节点特征；将发电站节点的原始节点特征作为发电站节点的第一更新节点特征；

步骤S4：根据无向带权异构图，采用图注意力机制对重要性特征和第一更新节点特征进行处理，得到节点的第二更新节点特征；图注意力机制对重要性特征和第一更新节点特征进行处理的公式为：其中，h′i表示节点i的第二更新节点特征，α表示加权系数，hi表示节点i的第一更新节点特征，hj表示节点j的第一更新节点特征，hk表示节点k的第一更新节点特征，d表示图注意力机制计算中的特征维度；Wq、Wk、Wv、Wu表示第一、第二、第三、第四可学习权重系数，bq、bk、bv、bu表示第一、第二、第三、第四偏置项；N(i)表示节点i的邻接节点；LeakyRelu表示LeakyRelu激活函数，softmax表示归一化函数，ReLU表示ReLU激活函数，Ijj表示节点j的重要性分数，Ikk表示节点k的重要性分数，wij表示节点i和节点j之间边的权重；

步骤S5：根据无向带权异构图，采用多头路径图注意力机制对连接性特征和第一更新节点特征进行处理，得到节点的第三更新节点特征；

步骤S6：融合节点本身的第二更新特征和第三更新特征，得到节点的最终特征；拼接三种节点的最终特征，得到发电站的综合特征；

步骤S7：将综合特征输入到多层感知机中进行处理，得到光伏发电站预测发电功率；

步骤S8：计算模型总损失并根据模型总损失调整模型参数，得到训练好的分布式光伏发电功率短期预测模型。

2.根据权利要求1所述的一种基于大数据的分布式光伏发电功率短期预测方法，其特征在于，构建无向带权异构图的过程包括：将每个发电站均作为的发电站节点，每个发电站节点均与其对应的每个时间节点连接形成边，每个时间节点和对应的环境节点连接形成边，边的权重均为1，得到多个子图；计算所有发电站间的距离平均值，若两个子图中发电站节点间的距离小于平均距离则两个发电站节点之间存在边，边的权重为两个节点之间的距离，反之不存在边，得到无向带权异构图。

3.根据权利要求1所述的一种基于大数据的分布式光伏发电功率短期预测方法，其特征在于，得到所有节点的原始节点特征的过程包括：发电站节点的原始特征包括发电站地理位置特征、设备参数特征、维修保养状态特征和电站布局特征；时间节点的原始特征包括时间戳特征、天文特征、季节性标识、节假日标识、电力需求特征和历史性能特征；环境节点的原始特征包括气象观测数据、极限天气标识、气象预报信息、光照条件特征、空气质量特征；

对各节点对应的原始特征进行编码和拼接处理，得到所有节点的原始节点特征。

4.根据权利要求1所述的一种基于大数据的分布式光伏发电功率短期预测方法，其特征在于，重要性分数的计算公式为：其中，Iii表示节点i的重要性分数，N表示图中节点的数量，aij表示图的邻接矩阵A中第i行第j列的元素，如果节点i和节点j之间有边则aij＝aji＝1，d(i,j)表示节点i到节点j的最短路径长度，σst表示节点s和节点t之间最短路径的数量，σst(i)表示最短路径中经过节点i的数量。

5.根据权利要求1所述的一种基于大数据的分布式光伏发电功率短期预测方法，其特征在于，得到新时间序列特征的公式为：其中， 表示t时刻当前层的输出特征向量，Iii表示节点i的重要性分数，K表示卷积(l)核的宽度， 表示第l层卷积核在延迟k位置的权重向量，d 表示第l层卷积核的膨胀(l) (l)率， 表示节点i在t‑d k时刻的时间序列特征，b 表示第l层的偏置项，

表示t时刻上一层的输出特征向量，ReLU()表示ReLU激活函数。

6.根据权利要求1所述的一种基于大数据的分布式光伏发电功率短期预测方法，其特征在于，所述步骤S5中，采用多头路径图注意力机制对连接性特征和第一更新节点特征进行处理的过程包括：对于存在环路的发电站节点，随机选择一条环路作为输入路径，采用多头路径图注意力机制对该路径上发电站节点的连接性特征和第一更新节点特征进行处理，得到发电站节点的第三更新节点特征；

多头路径图注意力机制的计算公式为：

其中，h″i表示节点i的第三更新节点特征，concat表示拼接操作，P表示输入路径，softmax表示归一化函数，Wa表示可学习权重矩阵， 表示在第一个注意力头下路径P中节点i的第一更新节点特征经过线性变换后的特征矩阵， 表示在第一个注意力头下路径P中节点j的第一更新节点特征经过线性变换后的特征矩阵， 表示路径P中节点j的第一更新节点特征经过线性变换后的特征矩阵，Cij表示连接矩阵中第i行第j列元素，dh表示多头路径图注意力机制计算中的特征维度，H表示注意力头总数，WO表示输出权重矩阵， 表示在第H个注意力头下路径P中节点i的第一更新节点特征经过线性变换后的特征矩阵，表示在第H个注意力头下路径P中节点j的第一更新节点特征经过线性变换后的特征矩阵。