1.一种基于大数据的电力负荷预测方法，其特征在于：包括以下步骤：
S1.汇集目标对象的电力负荷历史数据，所述的电力负荷历史数据包括：不同时间信息下的电力负荷值数据、经济发展趋势数据、天气数据和温度数据；
S2.对目标对象的电力负荷历史数据进行预处理，建立数据库；
S3.给定目标时间，通过大数据分析，对目标对象进行基于时间信息的电力负荷值预测，得到第一预测结果Q1；
S4.通过大数据分析，对目标对象进行基于经济发展趋势数据、天气数据和温度数据的电力负荷值预测，得到第二预测结果Q2；
S5.将第一预测结果和第二预测结果进行加权融合，获得最终的电力负荷预测结果Q：
Q＝α1Q1+α2Q2，
α1为第一预测结果的权重，α2为第二预测结果的权重，且α1+α2＝1。
2.根据权利要求1所述的一种基于大数据的电力负荷预测方法，其特征在于：所述的不同时间信息包括：不同的日期和每个日期中不同的时间段。
3.根据权利要求1所述的一种基于大数据的电力负荷预测方法，其特征在于：所述的步骤S2包括以下子步骤：
按照时间信息的先后顺序对汇集的电力负荷历史数据进行排列，生成时间信息与电力负荷历史数据的对应关系表；
将对应关系表中电力负荷历史数据的空缺位置进行数据填充，填充内容为所述空缺位置临近的K个邻居的众数或平均值，完成电力负荷历史数据的预处理，使不同日期中的每个时间段均对应于一个电力负荷历史数据；
建立数据库，对预处理得到的数据进行存储。
4.根据权利要求3所述的一种基于大数据的电力负荷预测方法，其特征在于：对所述空缺位置的电力负荷值数据、经济发展趋势数据和温度数据采用K个邻居的平均数进行填充，天气数据采用K个邻居的众数进行填充。
5.根据权利要求1所述的一种基于大数据的电力负荷预测方法，其特征在于：所述的步骤S3包括以下子步骤：
建立数据阵列，数据阵列的每一行代表电力负荷值所属于的日期，且日期从上至下逐渐增加；数据阵列的每一列代表电力负荷值所属的时间段，且时间段从做至右逐渐增加；
提取数据库中各个电力负荷值及其对应的日期和在该日期中的时间段，填充到数据阵列中；
给定预测的目标时间，提取目标时间中的日期信息和在该日期中的时间段；找出数据阵列中该时间段对应的列数，将该列所有的电力负荷值求平均，得到基于时间的第一预测结果Q1。
6.根据权利要求1所述的一种基于大数据的电力负荷预测方法，其特征在于：所述的步骤S4包括以下子步骤：
建立电力负荷值与经济发展趋势数据、温度数据和天气数据之间的关系模型：
Y＝β0+β1M1+β2M2+β3M3+ε，
式中，Y表示电量负荷值、β0为常数，M1为经济发展趋势数据，M2为温度数据，M3为天气数据，β1，β2，β3为经济发展趋势数据、温度数据和天气数据的调节参数，ε为随机数，其均值为0，且方差σ2＞0，即ε～N(0，σ2)；
利用数据库中每一个电力负荷历史数据的对建立的关系模型进行训练，在训练过程中通过最小二乘法估计出β＝(β0，β1，β2，β3)T，获得成熟的关系模型；
根据目标时间的日期信息和该日期的时间段，进行经济发展趋势数据、温度数据和天气数据的预估；
将经济发展趋势数据、温度数据和天气数据的预估信息输入成熟的关系模型中，得到基于温度和天气的第二预测结果Q2。
7.一种基于大数据的电力负荷预测系统，其特征在于：包括：
数据汇集模块，用于汇集目标对象的电力负荷历史数据；
预处理模块，用于对目标对象的电力负荷历史数据进行预处理，并根据预处理结果建立数据库；
第一预测模块，用于给定目标时间，通过大数据分析，对目标对象进行基于时间信息的电力负荷值预测，得到第一预测结果；
第二预测模块，用于通过大数据分析，对目标对象进行基于经济发展趋势数据、天气数据和温度数据的电力负荷值预测，得到第二预测结果；
融合模块，用于将第一预测结果和第二预测结果进行加权融合，获得最终的电力负荷预测结果。
8.根据权利要求7所述的一种基于大数据的电力负荷预测系统，其特征在于：所述的预处理模块包括：
数据整理单元，按照时间信息的先后顺序对汇集的电力负荷历史数据进行排列，生成时间信息与电力负荷历史数据的对应关系表；
空缺填充单元，用于将对应关系表中电力负荷历史数据的空缺位置进行数据填充，填充内容为所述空缺位置临近的K个邻居的众数或平均值，完成电力负荷历史数据的预处理，使不同日期中的每个时间段均对应于一个电力负荷历史数据；其中，对所述空缺位置的电力负荷值数据和温度数据采用K个邻居的平均数进行填充，天气数据采用K个邻居的众数进行填充；
数据库建立单元，用于建立数据库，对预处理得到的数据进行存储。
9.根据权利要求7所述的一种基于大数据的电力负荷预测系统，其特征在于：所述的第一预测模块包括：
阵列建立单元，建立数据阵列，数据阵列的每一行代表电力负荷值所属于的日期，且日期从上至下逐渐增加；数据阵列的每一列代表电力负荷值所属的时间段，且时间段从做至右逐渐增加；
数据填充单元，用于提取数据库中各个电力负荷值及其对应的日期和在该日期中的时间段，填充到数据阵列中；
时间信息提取单元，用于给定预测的目标时间，提取目标时间中的日期信息和在该日期中的时间段；
第一预测单元，找出数据阵列中该时间段对应的列数，将该列所有的电力负荷值求平均，得到基于时间的第一预测结果。
10.根据权利要求7所述的一种基于大数据的电力负荷预测系统，其特征在于：所述的第二预测模块包括：
模型建立单元，用于建立电力负荷值与经济发展趋势数据、温度数据和天气数据之间的关系模型；
模型训练单元，用于利用数据库中每一个电力负荷历史数据的对建立的关系模型进行训练，获得成熟的关系模型；
温度与天气预估单元，根据目标时间的日期信息和该日期的时间段，进行经济发展趋势、温度和天气预估；
第二预测单元，用于将经济发展趋势数据、温度数据和天气数据的预估信息输入成熟的关系模型中，得到基于温度和天气的第二预测结果。