1.一种风速预测方法，其特征在于，包括：获取去噪后的气象数据，所述气象数据包括多个气象要素在预设历史时间内的测量值；

将所述去噪后的气象数据输入到训练好的风速预测模型中，得到预设未来时刻的风速，完成风速预测；

在所述风速预测模型中，对所述去噪后的气象数据进行以下处理：将所述去噪后的气象数据输入到图卷积模块中构建气象站时空图矩阵；

将所述气象站时空图矩阵输入到连续残差时空模块中提取空间特征，将所述气象站时空图矩阵输入到Informer编码器中提取时序特征；

将所述空间特征和所述时序特征进行特征融合，得到融合特征；

将所述融合特征输入到Informer解码器中进行风速预测，得到预设未来时刻的风速；

所述连续残差时空模块进行空间特征提取的表达式为：；

；

其中，Xout是气象站时空图矩阵，F(•)是空间卷积操作，G(•)是时间卷积操作，BN(•)是BN函数，ReLU(•)是ReLU激活函数， 是经过一层残差时空模块后输出的中间结果，Yout是经过两层残差时空模块后输出的空间特征；

所述特征融合的表达式为：

；

其中，Xin,1是时序特征，Yout是经过两层残差时空模块后输出的空间特征，M(•)是多尺度通道注意力模块，⊕表示加权融合， 表示每个元素相乘，Z是融合特征；

所述Informer解码器进行风速预测的表达式为：；

；

；

；

；

其中， 是嵌入后的Informer解码器的输入序列，xdec是Informer解码器的输入序列，xmark_dec是目标序列的时间标记，Concat(•)表示嵌入操作，dec_out1是第一中间输出，dec_out2是第二中间输出，dec_out是第三中间输出，LayerNorm表示残差连接操作，maskdec是一个用于防止信息泄露的掩码，maskcross是一个用于交叉注意力机制的掩码，MaskedMultiHeadSelfAttention表示掩码多头注意力机制，Z是融合特征，MultiHeadAttention表示多头注意力机制，FeedForward表示前馈神经网络，Linear表示线性层， 是t时刻的风速预测模型预测值。

2.根据权利要求1所述的风速预测方法，其特征在于，所述去噪后的气象数据通过以下方法得到：对采集到的气象数据进行最大最小归一化，以将采集到的气象数据缩放到0和1之间，得到归一化气象数据；

对所述归一化气象数据进行连续小波变换去除高频噪声，完成去噪，得到去噪后的气象数据。

3.根据权利要求2所述的风速预测方法，其特征在于，所述最大最小归一化通过以下公式进行：；

其中，x是缩放前的气象数据，min(x)是采集到的最小气象数据，max(x)是采集到的最大气象数据，xnorm是缩放后的气象数据；

所述连续小波变换通过以下公式进行：

；

其中，s是缩放因子，τ是平移因子，x(t)是t时刻的气象数据，Ψ(•)是Morlet小波函数，*Ψ (•)是Ψ(•)的复共轭，T是时间步长，CWT(s, τ)是连续小波变换后的气象数据。

4.根据权利要求1所述的风速预测方法，其特征在于，所述图卷积模块的表达式为：；

其中，Xout是气象站时空图矩阵，Xin是去噪后的气象数据，是邻接矩阵， 是 的度矩阵。

5.根据权利要求1所述的风速预测方法，其特征在于，所述风速预测模型在训练时采用核损失函数作为损失函数，在每个训练周期中，将训练数据输入到风速预测模型中，计算核损失函数，根据核损失函数和以下公式更新风速预测模型的参数：；

其中，θ(k)是第k轮训练周期的参数，θ(k‑1)是第k‑1轮训练周期的参数，α是学习率，是参数的梯度；

所述核损失函数的表达式为：

；

其中，LKMSE是核损失函数，N是总时间，参数 ，yt是t时刻的风速预测模型真实值， 是t时刻的风速预测模型预测值。

6.一种风速预测装置，其特征在于，包括：数据获取模块，被配置为：获取去噪后的气象数据，所述气象数据包括多个气象要素在预设历史时间内的测量值；

风速预测模块，被配置为：将所述去噪后的气象数据输入到训练好的风速预测模型中，得到预设未来时刻的风速，完成风速预测；

在所述风速预测模型中，对所述去噪后的气象数据进行以下处理：将所述去噪后的气象数据输入到图卷积模块中构建气象站时空图矩阵；

将所述气象站时空图矩阵输入到连续残差时空模块中提取空间特征，将所述气象站时空图矩阵输入到Informer编码器中提取时序特征；

将所述空间特征和所述时序特征进行特征融合，得到融合特征；

将所述融合特征输入到Informer解码器中进行风速预测，得到预设未来时刻的风速；

其中，所述连续残差时空模块进行空间特征提取的表达式为：；

；

其中，Xout是气象站时空图矩阵，F(•)是空间卷积操作，G(•)是时间卷积操作，BN(•)是BN函数，ReLU(•)是ReLU激活函数， 是经过一层残差时空模块后输出的中间结果，Yout是经过两层残差时空模块后输出的空间特征；

所述特征融合的表达式为：

；

其中，Xin,1是时序特征，Yout是经过两层残差时空模块后输出的空间特征，M(•)是多尺度通道注意力模块，⊕表示加权融合， 表示每个元素相乘，Z是融合特征；

所述Informer解码器进行风速预测的表达式为：；

；

；

；

；

其中， 是嵌入后的Informer解码器的输入序列，xdec是Informer解码器的输入序列，xmark_dec是目标序列的时间标记，Concat(•)表示嵌入操作，dec_out1是第一中间输出，dec_out2是第二中间输出，dec_out是第三中间输出，LayerNorm表示残差连接操作，maskdec是一个用于防止信息泄露的掩码，maskcross是一个用于交叉注意力机制的掩码，MaskedMultiHeadSelfAttention表示掩码多头注意力机制，Z是融合特征，MultiHeadAttention表示多头注意力机制，FeedForward表示前馈神经网络，Linear表示线性层， 是t时刻的风速预测模型预测值。

7.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时，实现权利要求1至5中任一项所述的风速预测方法的步骤。