1.基于负荷预测的电网检修方式辅助生成系统，其特征在于，包括数据输入模块、所述检修方式生成模块、检修方式优化模块、可视化调整模块和数据库。
所述数据输入模块获取气象数据、历史负荷数据和检修申报数据；
所述检修方式生成模块调取数据输入模块的检修申报数据，并生成下一个计划检修周期的初步检修方式，并发送至检修方式优化模块；所述检修方式包括在一个检修周期内，每个运维站中所有检修工作项目的检修日期、检修时间段和每个检修日期对应的检修操作人数；
所述电网检修方式优化模块调取气象数据、历史负荷数据和检修申报数据，对电网检修方式进行优化；
所述可视化调整模块显示优化后的电网检修方式；
所述数据库存储数据输入模块、检修方式生成模块、检修方式优化模块和可视化调整模块的数据。
2.根据权利要求1所述的基于负荷预测的电网检修方式辅助生成系统，其特征在于：所述检修申报数据包括运维站、检修工作项目、检修工作项目优先级、每个检修工作项目的申请检修日期、检修时间段、运维站完成每个检修工作项目所需的检修操作人数、运维站的单日允许操作人数上限和运维站单日允许/禁止检修时间段。
3.根据权利要求2所述的基于负荷预测的电网检修方式辅助生成系统，其特征在于：检修工作项目包括对一次设备、二次设备的检修；所述一次设备包括发电设备和输变电设备；所述二次设备包括仪表、控制、继电保护和安全自动装置。
4.根据权利要求1或2所述的基于负荷预测的电网检修方式辅助生成系统，其特征在于：所述检修方式优化模块生成电网检修方式的步骤如下：
1)所述检修方式优化模块接收检修方式生成模块生成的下一个计划检修周期的初步检修方式；
2)所述检修方式优化模块调取历史负荷数据和气象数据，对下一个计划检修周期每一条线路或待检修设备进行负荷预测。
3)根据负荷预测结果，在检修时长不变的前提下，随机选择一项检修工作，并将随机选择的检修工作的检修日期和时间段调整为停电电量损失最小的检修日期和时间段t；
4)针对任一检修对象，在存在n个检修工作的时间段t，按照减少损失电量对检修工作进行降序排列；在安全校核和产能允许范围内，选取前l个检修计划作为所述检修设备在时间段t下的检修计划；l≤n；l、n为正整数；检修对象为馈出线路或者电力设备；
5)确定调整后所述检修对象相较于时间段t增加的损失电量最小的时间段t'；更新t＝t'，n＝n-l，并返回步骤4)，直至下一个检修周期内所有检修工作已安排，或者已耗尽可用检修人力资源或产能。
5.根据权利要求4所述的基于负荷预测的电网检修方式辅助生成系统，其特征在于：所述检修方式优化模块存储有用于负荷预测的神经网络。
6.根据权利要求5所述的基于负荷预测的电网检修方式辅助生成系统，其特征在于：所述神经网络包括以全连接的方式连接的输入层、多个隐含层和输出层；输入层的输入样本数据x包括预测检修日的气象数据、预测检修日前一天24时刻的电量；
隐含层与隐含层之间的数据传递公式如下：
al＝s(wl-1al-1+bl-1)(1)
式中，al代表第l层隐含层神经元的输出，wl-1为连接第l-1层隐含层和第l层隐含层神经元的权值矩阵，bl-1为第l层隐含层神经元的偏置项；
其中，隐含层激活函数s(x)如下所示：
s(x)＝max(0.01x,x)(2)
式中，x为输入样本数据，包括预测检修日的气象数据、预测检修日前一天24时刻的电量；
输出层激活函数如下所示：
s(x)＝x(3)。
7.根据权利要求6所述的基于负荷预测的电网检修方式辅助生成系统，其特征在于：神经网络预测检修日供电量的步骤如下：
1)获取输入样本数据集x和预测检修日i输入样本数据，并利用z-score函数进行归一化处理，得到：
式中，x*为归一化后的输入样本数据；x为待归一化的输入样本数据；μ为样本均值，σ为样本标准差；i为预测检修日编号；
2)计算预测检修日i输入样本数据和每个输入样本数据之间的欧式距离，并以欧式距离的前m个输入样本数据作为神经网络训练样本数据；
3)依次采用无监督预训练和有监督微调对神经网络进行训练，得到训练后的神经网络；
4)将归一化后的预测检修日i输入样本数据输入到训练后的神经网络中，得到神经网络输出数据y*；对神经网络输出数据y*进行反归一化，得到预测检修日供电量y；
预测检修日供电量y如下所示：
y＝y*σ+μ(5)
5)判断i<n是否成立，若成立，则将预测检修日i的输入样本数据和预测检修日供电量y写入输入样本数据集x中，令i＝i+1，并返回步骤1)；若不成立，则输出每个预测检修日的供电量；n为预测检修日总数。
8.根据权利要求1所述的基于负荷预测的电网检修方式辅助生成系统，其特征在于：所述可视化调整模块具有可视化的电网检修方式调整模块；使用者通过所述电网检修方式调整模块调整电网检修方式。