1.一种基于大数据的电力负荷预测方法，其特征在于，所述方法包括：获取电网模型，基于电网模型配置计量节点并编号；

基于计量节点获取电力负荷，同步计算瞬时负荷；瞬时负荷的计算过程包括：获取到电力负荷后，根据时间顺序对其进行排序，得到离散数据组，获取离散数据组中的频率分布情况，由频率创建三角函数和的形式，作为拟合过程的基准函数，由基准函数对离散数据组进行拟合，得到拟合函数，对所述拟合函数进行求导，得到负荷导函数，基于所述负荷导函数确定各个时刻的瞬时负荷；

统计预设时间周期内的瞬时负荷，比对统计到的瞬时负荷，对计量节点进行聚类；

当接收到预测指令时，随机选取计量节点，获取其属于的类别；

计算各类别的计量节点的数量，当所述数量不超过预设的数量阈值时，继续选取，当所述数量超过预设的数量阈值时，停止选取；

获取选取到的计量节点的瞬时负荷，计算其与前一时刻的瞬时负荷的比值；

对同类别的其他计量节点，计算前一时刻的瞬时负荷与比值的乘积，作为预测的瞬时负荷；

读取计算出的比值，计算比值与一的差值的绝对值，作为误差率；

根据误差率的正比确定缩放比例，由缩放比例乘以所述数量阈值并取整，作为更新后的节点条件；

所述节点条件为数量阈值，当选取到的计量节点中，任意一类计量节点的数量均大于所述数量阈值时，视为符合节点条件。

2.根据权利要求1所述的基于大数据的电力负荷预测方法，其特征在于，所述基于计量节点获取电力负荷，同步计算瞬时负荷的步骤包括：对于每一个计量节点，根据预设的频率定时获取电力负荷；

基于时间对获取到的电力负荷进行排序，并对排序后的电力负荷进行离散傅里叶变换，确定频率分布特征；

在频率分布特征中选取预设数量的频率，创建基于频率的三角函数和，作为拟合过程的基准函数；

由基准函数拟合排序后的电力负荷，得到每个计量节点的拟合函数；

对所述拟合函数进行求导，得到负荷导函数，基于所述负荷导函数确定各个时刻的瞬时负荷；

基准函数为： 式中，N为预设数

量；a0、an和bn均为随机确定的常数，wn是对选取到N个频率进行排序后，第n个频率值。

3.根据权利要求2所述的基于大数据的电力负荷预测方法，其特征在于，所述统计预设时间周期内的瞬时负荷，比对统计到的瞬时负荷，对计量节点进行聚类的步骤包括：接收管理方输入的时间周期，截取时间周期内的负荷导函数；

对任意两个计量节点，计算负荷导函数的差函数，计算差函数在时间周期上的积分，作为节点距离；

基于所述节点距离对计量节点进行聚类。

4.根据权利要求3所述的基于大数据的电力负荷预测方法，其特征在于，所述基于所述节点距离对计量节点进行聚类的步骤包括：接收管理方输入的分类数量；

在计量节点中随机选取分类数量个计量节点作为类别中心；

对任一个计量节点，根据它与各个类别中心的距离对其进行归类；

所有计量节点均进行一次归类后，更新类别中心；

循环执行直至达到预设的跳出条件；所述跳出条件包括迭代次数达到次数阈值和类别中心的更新量小于预设的更新量阈值；

对任一个计量节点，根据它与各个类别中心的距离对其进行归类的规则为：labeli＝argmin1≤j≤k||xi‑μj||；labeli为第i个计量节点的归类结果，xi表示第i个计量节点，μj表示第j个类别中心，k表示类别中心的总数；

更新后的类别中心是同类计量节点在空间位置上的中心。

5.一种基于大数据的电力负荷预测系统，其特征在于，所述系统包括：节点配置模块，用于获取电网模型，基于电网模型配置计量节点并编号；

瞬时负荷获取模块，用于基于计量节点获取电力负荷，同步计算瞬时负荷；瞬时负荷的计算过程包括：获取到电力负荷后，根据时间顺序对其进行排序，得到离散数据组，获取离散数据组中的频率分布情况，由频率创建三角函数和的形式，作为拟合过程的基准函数，由基准函数对离散数据组进行拟合，得到拟合函数，对所述拟合函数进行求导，得到负荷导函数，基于所述负荷导函数确定各个时刻的瞬时负荷；

节点聚类模块，用于统计预设时间周期内的瞬时负荷，比对统计到的瞬时负荷，对计量节点进行聚类；

类别查询单元，用于当接收到预测指令时，随机选取计量节点，获取其属于的类别；

数量判定单元，用于计算各类别的计量节点的数量，当所述数量不超过预设的数量阈值时，继续选取，当所述数量超过预设的数量阈值时，停止选取；

比值计算单元，用于获取选取到的计量节点的瞬时负荷，计算其与前一时刻的瞬时负荷的比值；

比对预测单元，用于对同类别的其他计量节点，计算前一时刻的瞬时负荷与比值的乘积，作为预测的瞬时负荷；

节点条件更新模块，用于同步验证前次预测过程的误差率，基于误差率更新所述节点条件；包括：读取计算出的比值，计算比值与一的差值的绝对值，作为误差率；

根据误差率的正比确定缩放比例，由缩放比例乘以所述数量阈值并取整，作为更新后的节点条件；

所述节点条件为数量阈值，当选取到的计量节点中，任意一类计量节点的数量均大于所述数量阈值时，视为符合节点条件。

6.根据权利要求5所述的基于大数据的电力负荷预测系统，其特征在于，所述瞬时负荷获取模块包括：电力负荷获取单元，用于对于每一个计量节点，根据预设的频率定时获取电力负荷；

频谱识别单元，用于基于时间对获取到的电力负荷进行排序，并对排序后的电力负荷进行离散傅里叶变换，确定频率分布特征；

基准函数确定单元，用于在频率分布特征中选取预设数量的频率，创建基于频率的三角函数和，作为拟合过程的基准函数；

电力负荷拟合单元，用于由基准函数拟合排序后的电力负荷，得到每个计量节点的拟合函数；

拟合函数求导单元，用于对所述拟合函数进行求导，得到负荷导函数，基于所述负荷导函数确定各个时刻的瞬时负荷；

基准函数为： 式中，N为预设数

量；a0、an和bn均为随机确定的常数，wn是对选取到N个频率进行排序后，第n个频率值。

7.根据权利要求6所述的基于大数据的电力负荷预测系统，其特征在于，所述节点聚类模块包括：导函数截取单元，用于接收管理方输入的时间周期，截取时间周期内的负荷导函数；

节点距离计算单元，用于对任意两个计量节点，计算负荷导函数的差函数，计算差函数在时间周期上的积分，作为节点距离；

聚类执行单元，用于基于所述节点距离对计量节点进行聚类。