1.分布式算力调度系统，其特征在于，包括：

实时获取硬件信号、网络报文和任务集，通过边缘节点处理分别得到资源状态、网络质量和任务状态，并基于时空图卷积网络融合为感知向量；

基于感知向量配置动态时间窗口，根据动态时间窗口执行分级负载预测，以生成负载预测矩阵，负载预测矩阵包括单元标识、负载预测值和预测置信度，并监测预测偏差率以触发分级负载预测的重执行；

提取负载预测矩阵，并结合资源状态、网络质量和任务状态综合判断以执行双调度机制，双调度机制包括预迁移路径和临时调度路径，当执行预迁移路径时基于每个单元的资源价值以选择迁移任务和目标单元，并生成调度指令，当执行临时调度路径时基于多目标优化算法生成调度指令，调度指令包括迁移任务、源单元、目标单元和资源分配，同步监测调度指令的执行结果以调整分级负载预测；所述预迁移路径的执行逻辑包括：根据硬件性能、能耗效率和可靠性确定每个单元的静态价值，基于负载预测值和资源失衡度确定每个单元的动态价值，结合静态价值和动态价值确定每个单元的资源价值；

配置价值阈值，将资源价值与价值阈值比对以筛选源单元，并提取源单元中的任务集，同时根据任务紧急度选择迁移任务；

结合目标单元的资源价值和负载预测值，通过匈牙利算法进行迁移任务与目标单元的匹配，得到匹配结果；

基于匹配结果生成包括迁移任务、源单元、目标单元和资源分配的调度指令，执行并监测调度指令的执行结果，执行结果包括任务执行进度和数据传输量，将执行结果与目标结果比对以判断迁移成功率，根据迁移成功率判断以调整分级负载预测；

所述临时调度路径的执行逻辑包括：

定义任务完成时间、资源消耗和系统稳定性为优化目标，根据任务类型调整优化目标的目标权重，并结合负载预测矩阵和资源状态建立任务约束和资源约束，以形成多目标优化函数；

求解多目标优化函数得到调度路径集，并根据任务紧急度和资源失衡度从调度路径集中选择临时调度路径，生成调度指令；

执行并监测调度指令的执行结果，将执行结果与目标结果比对以判断优化目标的达成率，根据优化目标的达成率调整多目标优化函数的目标权重，并辅助调整分级负载预测。

2.如权利要求1所述的分布式算力调度系统，其特征在于，所述感知向量的融合逻辑包括：将资源状态、网络质量和任务状态作为节点，根据节点间的资源亲和性确定空间维度上边的权重，并对同一节点建立时间连接以确定在时间维度上边的权重，形成时空图；

通过时空图卷积网络对时空图分别进行空间卷积和时间卷积，得到空间特征和时间特征，并基于自注意力机制动态分配空间特征和时间特征的特征权重；

根据特征权重通过分层融合方式处理空间特征和时间特征，得到感知向量。

3.如权利要求2所述的分布式算力调度系统，其特征在于，所述分级负载预测的重执行逻辑包括：实时监测负载预测矩阵中每个单元的负载预测值与实际负载的预测偏差率，配置偏差阈值，将预测偏差率与偏差阈值比对判断以触发分级负载预测的重执行；

当触发分级负载预测的重执行时，通过特征重要性分析确定导致预测偏差的影响因素和偏差类型，根据影响因素的作用范围定位分级负载预测的预测层级，确定重执行层级；

基于偏差类型确定重执行层级的调整方式，并监测调整效果以判断是否再次触发分级负载预测的重执行。

4.如权利要求3所述的分布式算力调度系统，其特征在于，第一级预测的处理子逻辑包括提取数据缓存区中的感知向量并进行聚合，通过时空图神经网络预测对应动态时间窗口内的负载趋势，生成初始的负载预测值；

第二级预测的处理子逻辑包括接收初始的负载预测值，根据数据缓存区中感知向量的资源状态，通过长短期记忆网络预测对应动态时间窗口内的负载趋势，以修正初始的负载预测值；

第三级预测的处理子逻辑包括接收修正后的负载预测值，基于数据缓存区中感知向量的任务状态，通过强化学习处理得到负载预测值。

5.如权利要求4所述的分布式算力调度系统，其特征在于，所述负载预测矩阵的生成子逻辑包括：接收感知向量，将感知向量按照物理位置和功能属性映射为单元标识，并根据单元标识的属性，将感知向量分类存储至数据缓存区；

提取数据缓存区中的感知向量以确定历史负载波动率，基于历史负载波动率调整时间窗口的长度，以配置动态时间窗口；

根据动态时间窗口执行分级负载预测，分级负载预测包括第一级预测、第二级预测和第三级预测，得到负载预测值；

确定评估维度为数据完整性、结果一致性和预测稳定性，为每个单元的负载预测值计算预测置信度，并根据历史预测误差动态调整评估维度的评估权重，以修正预测置信度，并生成包括单元标识、负载预测值和预测置信度的负载预测矩阵。

6.如权利要求5所述的分布式算力调度系统，其特征在于，所述双调度机制的执行判断子逻辑包括：提取负载预测矩阵的预测置信度，根据资源状态确定每个单元的资源失衡度，基于网络质量确定每个单元的网络稳定性，并根据任务状态确定每个单元的任务紧急度；

配置调度阈值，将调度阈值分别与预测置信度、资源失衡度、网络稳定性和任务紧急度比对以判断每个单元所执行的双调度机制；

监测双调度机制的执行效果，以动态调整调度阈值。

7.如权利要求6所述的分布式算力调度系统，其特征在于，所述资源状态包括资源利用率、内存压力和IO等待队列，所述网络质量包括带宽波动率、传输延迟和丢包率，所述任务状态包括计算密度和数据依赖关系。

8.分布式算力调度方法，基于权利要求1‑7中任一项所述的分布式算力调度系统实现，其特征在于，包括：实时获取硬件信号、网络报文和任务集，通过边缘节点处理分别得到资源状态、网络质量和任务状态，并基于时空图卷积网络融合为感知向量；

基于感知向量配置动态时间窗口，根据动态时间窗口执行分级负载预测，以生成负载预测矩阵，并监测预测偏差率以触发分级负载预测的重执行；

提取负载预测矩阵，并结合资源状态、网络质量和任务状态综合判断以执行双调度机制，双调度机制包括预迁移路径和临时调度路径；

当执行预迁移路径时基于每个单元的资源价值以选择迁移任务和目标单元，并生成调度指令，并监测调度指令的执行结果以调整分级负载预测；

当执行临时调度路径时基于多目标优化算法生成调度指令，并监测调度指令的执行结果以调整分级负载预测。