技术特征：
1.适用于高寒地域的长短期记忆网络模型电力负荷预测方法，其特征在于，该预测方法包括如下过程：步骤一、利用历史数据库中预设时间段t内的数据，构建具备时间关联性的样本集；其中，具备时间关联性的样本集包括三类样本集，分别为由负荷变化趋势因素构成的样本集、由天气影响因素构成的样本集和由特定日期因素构成的样本集；步骤二、利用构建的具备时间关联性的样本集对长短期记忆网络模型进行训练，获得训练后的长短期记忆网络模型；利用训练后的长短期记忆网络模型对电网输出的电力负荷进行预测，从而实现对电网电力负荷的预测。2.根据权利要求1所述的适用于高寒地域的长短期记忆网络模型电力负荷预测方法，其特征在于，步骤一中、构建由负荷变化趋势因素构成的样本集的实现方式为：从历史数据库中获取在预设时间段t内，各整点时刻电网输出的电力负荷；并将各整点时刻电网输出的电力负荷的集合作为由负荷变化趋势因素构成的样本集，从而完成了对由负荷变化趋势因素构成的样本集的构建。3.根据权利要求1所述的适用于高寒地域的长短期记忆网络模型电力负荷预测方法，其特征在于，步骤一中、构建由天气影响因素构成的样本集的实现方式为：从历史数据库中获取在预设时间段t内，各整点时刻的气压、温度和风速，以及相邻两个整点时刻之间的最高气压和最高温度；并将获得的各整点时刻的气压、温度和风速，以及相邻两个整点时刻之间的最高气压和最高温度的集合作为由天气影响因素构成的样本集，从而完成了对由天气影响因素构成的样本集的构建。4.根据权利要求1所述的适用于高寒地域的长短期记忆网络模型电力负荷预测方法，其特征在于，步骤一中、构建由特定日期因素构成的样本集的实现方式为：对历史数据库中预设时间段t内的各整点时刻所在的日期是否为工作日进行标记，其中，当整点时刻所在的日期为工作日时，令该整点时刻所对应的日期等于1；当整点时刻所在的日期为非工作日时，令该整点时刻所对应的日期等于2；并将标记后的各整点时刻所对应的日期的结合作为由特定日期因素构成的样本集，从而完成了对特定日期因素构成的样本集的构建。5.根据权利要求1所述的适用于高寒地域的长短期记忆网络模型电力负荷预测方法，其特征在于，步骤二、利用构建的具备时间关联性的样本集对长短期记忆网络模型进行训练，获得训练后的长短期记忆网络模型的实现方式为：首先、将由天气影响因素构成的样本集、由特定日期因素构成的样本集和由负荷变化趋势因素构成的样本集中的样本数据进行预处理；然后、再将预处理后的由天气影响因素构成的样本集和预处理后的由特定日期因素构成的样本集作为长短期记忆网络模型的输入、将预处理后的由负荷变化趋势因素构成的样本集作为长短期记忆网络模型的输出，对长短期记忆网络模型进行训练，从而获得训练后的长短期记忆网络模型。6.根据权利要求5所述的适用于高寒地域的长短期记忆网络模型电力负荷预测方法，其特征在于，步骤二中、将由天气影响因素构成的样本集、由特定日期因素构成的样本集和由负荷变化趋势因素构成的样本集中的样本数据进行预处理的实现方式为：
采用归一化算法实现。