1.结合大数据的电力资源调度与负载均衡优化方法，其特征在于，包括：基于历史用电数据构建电力需求预测模型，并生成获取各目标地区未来时间段内的多种用电需求预测结果集合；

基于各目标地区内的电网节点实时采集数据，将其输入电力需求预测模型，获取与多种用电需求预测结果集合中匹配度最高的预测结果；

基于各目标地区的匹配度最高的用电需求预测结果计算获取各目标地区的电力负载系数；

基于各目标地区的电力负载系数，构建区域负载差异矩阵，获取电力资源调出地区集合和调入地区集合；

基于获取的调出地区集合和调入地区集合，将调度周期划分为多个时段，并通过增量式电力转移进行电力资源调度；

基于电力资源调度后的各目标地区的实时采集数据，将其输入电力需求预测模型重复上述步骤，直至获取的区域负载差异矩阵中值小于调度阈值。

2.根据权利要求1所述的结合大数据的电力资源调度与负载均衡优化方法，其特征在于，所述基于历史用电数据构建电力需求预测模型，并生成获取各目标地区未来时间段内的多种用电需求预测结果集合具体包括：基于获取的历史数据进行数据预处理，并构建时间序列特征与空间特征；

将获取的特征数据输入至基于LSTM的深度模型中进行训练模型，并通过交叉验证方法评估模型的准确性；

基于训练完成的模型，对各目标地区不同时间段的电力需求进行预测，包括短期需求预测和长期需求预测；

基于模型输出的预测结果生成不同置信区间的用电需求预测结果集合。

3.根据权利要求1所述的结合大数据的电力资源调度与负载均衡优化方法，其特征在于，所述基于各目标地区内的电网节点实时采集数据，将其输入电力需求预测模型，获取与多种用电需求预测结果集合中匹配度最高的预测结果具体包括：通过电网节点的实时监测系统，收集各目标地区的实时电力数据，包括当前用电量、电网频率、电压、电力传输状况；

基于收集的实时电力数据进行预处理，并进行动态特征构造；

将构造的特征向量投影至预训练的特征编码器，通过时间和空间两个维度进行双重匹配，具体包括：通过动态时间规整比较实时序列与预测曲线的形态相似度，通过计算实时拓扑特征向量与预测场景的余弦相似度；

基于实时数据与多种预测结果集合的匹配度，选择与当前电网状态相似度最高的预测结果。

4.根据权利要求1所述的结合大数据的电力资源调度与负载均衡优化方法，其特征在于，所述基于各目标地区的匹配度最高的用电需求预测结果计算获取各目标地区的电力负载系数具体包括：基于预测结果的时间序列数据中各时段用电量数据和预测时段的总数，获取该时段内的平均负载与最大负载；

通过负载系数公式，将计算获取的平均负载和最大负载输入其中，获取电力负载系数；

对个目标地区进行电力负载系数计算，获取电力负载系数时间序列数据集。

5.根据权利要求1所述的结合大数据的电力资源调度与负载均衡优化方法，其特征在于，所述基于各目标地区的电力负载系数，构建区域负载差异矩阵，获取电力资源调出地区集合和调入地区集合具体包括：基于获取的电力负载系数时间序列数据集，计算所有目标地区的综合负载均值；

基于综合负载均值，计算各目标区域的电力负载与综合负载均值的差异值，并构建区域负载差异矩阵；

基于区域负载差异矩阵中各差异数值，设定差异判断阈值，对调出地区和调入地区进行划分识别；

基于差异程度，将调出地区和调入地区进行排序，调入地区正数表示，调出地区负数表示，建立调度对接优先序列。

6.根据权利要求1所述的结合大数据的电力资源调度与负载均衡优化方法，其特征在于，所述基于获取的调出地区集合和调入地区集合，将调度周期划分为多个时段，并通过增量式电力转移进行电力资源调度具体包括：将电力调度周期按照小时、日、周的单位进行划分，并结合实际用电需求需求进行调整；

基于构建的调度对接优先序列，根据差异值从大到小排序调入地区，从小到大排序调出地区，选择差异值绝对值最接近的两目标地区；

基于划分好的调度周期，调出地区将在该时段内提供电力，调入地区在该时段内接收电力；

根据负荷差异和电力需求变化，通过贪心算法动态调整每个时段内的电力调度量；

实时监测电网运行情况、各地区的实际负荷与调度效果，通过反馈机制，对电力需求预测模型进行再训练，获取稳定的预测结果。

7.结合结合大数据的电力资源调度与负载均衡优化方法，用于实现如权利要求1‑6任一项所述的结合大数据的电力资源调度与负载均衡优化系统，其特征在于，包括：数据采集模块：所述数据采集模块主用于负责实时采集各目标地区电网节点的用电量、电压、电流、频率等关键运行数据；

数据处理模块：所述数据处理模块主用于对历史用电数据进行清洗、归一化及特征提取，为后续建模提供标准化输入；

电力需求预测模块：所述电力需求预测模块主用于基于LSTM模型对未来时间段的电力需求进行短期与长期预测，并生成多种置信区间下的预测结果集合；

相似度匹配模块：所述相似度匹配模块主用于将实时采集数据与预测集合进行时间序列与空间特征双重匹配，选出当前状态下最优预测结果；

负载系数计算模块：所述负载系数计算模块主用于依据选定的预测结果，计算各目标地区的平均负载与最大负载，并得出负载系数时间序列；

区域差异分析模块：所述区域差异分析模块主用于构建区域负载差异矩阵，识别电力资源调出与调入地区，并依据负载差异建立调度优先级列表；

电力资源调度模块：所述电力资源调度模块主用于对调度周期进行划分，并采用贪心算法制定最优增量式电力调度策略，完成电力从调出地区向调入地区的转移；

反馈模块：所述反馈模块主用于基于调度结果与实时运行数据，评估调度效果并更新电力预测模型；

处理器：所述处理器主用于各公式的计算过程、各模型的构建计算过程。

8.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1‑6中任一所述的结合大数据的电力资源调度与负载均衡优化方法。

9.一种计算机可读存储介质，存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现权利要求1‑6中任一项所述的结合大数据的电力资源调度与负载均衡优化方法。