1.一种基于人工智能的电网管理方法，其特征在于，所述方法包括：步骤S101、获取智能电表采集到的用电数据及相应用电区域的环境数据；

步骤S102、基于预设尺度分别对所述用电数据和所述环境数据进行聚合，得到用电时序数据和环境时序数据；

具体包括，基于预设的时间尺度，分别计算预设时长内所述用电数据和所述环境数据对应的数学期望，得到用电期望数据和环境期望数据；

基于预设的空间尺度，分别计算预设区域内的所述用电期望数据的总和以及所述环境期望数据的均值，得到所述用电时序数据和所述环境时序数据；

根据所述预设区域的区域标识，确定所述用电时序数据对应的区域标签为：生活区域、办公区域、商业区域中的任意一者；

步骤S103、基于预设的分析模型，对所述用电时序数据和所述环境时序数据进行特征提取，得到对应的用电特征数据和环境特征数据；

具体包括，对所述用电时序数据和所述环境时序数据进行小波变换，得到用电系数和环境系数：根据以下公式计算所述用电系数和所述环境系数：

dj,k＝∑xnψj,k(n)

其中，dj,k表示所述用电系数或者所述环境系数，xn表示所述用电时序数据或者所述环境时序数据中的第n个时序数据，ψj,k(n)表示小波函数，j和k分别表示预设的尺度参数和位置参数；

其中，尺度参数j与小波函数的中心频率成正比，较小的j值对应于较高频率的小波，用于捕捉信号的高频成分；较大的j值对应于较低频率的小波，用于捕捉信号的低频成分或趋势；位置参数k表示小波函数在时间或空间域上的平移量，通过改变k在不同的位置上分析信号用于捕捉局部的特征；可预先设置多个小波系数矩阵(j，k)，在不同的尺度和位置上进行小波变换；

具体包括，对所述用电系数和所述环境系数进行过滤，并对过滤后的用电系数和环境系数进行重构，得到所述用电特征数据和所述环境特征数据：对大于预设数值的用电系数和环境系数进行过滤；

根据以下公式对所述过滤后的用电系数和环境系数进行重构：其中，x'n表示第n个用电特征数据或环境特征数据， 表示过滤后的用电系数或环境系数， 表示复共轭小波函数；

步骤S104、基于所述用电特征数据和环境特征数据对预设的负荷预测模型进行训练；

步骤S105、在所述负荷预测模型的性能测试结果满足预设性能条件的情况下，基于所述负荷预测模型根据所述用电区域的当前环境数据对当前用电数据进行预测；

具体包括，获取预设的验证数据集，所述验证数据集包括预设环境数据和预设用电量数据；

获取所述负荷预测模型根据所述预设环境数据确定的目标用电量；

在所述目标用电量和所述预设用电量数据之间的均方误差、均方根误差、平均绝对误差中的至少一者小于预设阈值的情况下，基于所述负荷预测模型根据所述用电区域的当前环境数据对当前用电数据进行预测。