1.一种基于用户行为数据挖掘的电能体验分析方法，其特征在于，所述方法包括：
获取用户侧各用户历史用电数据，并根据所述获取到的用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；
通过Tucker分解方法对所述构建的三维张量模型进行分解，得到由所述日期信息、时间信息和用户信息分别对应的二维特征矩阵，并根据所述得到的日期信息、时间信息和用户信息分别对应的二维特征矩阵，确定用户用电负荷的分布规律；
对所述确定的用户用电负荷的分布规律进行聚类分析，并根据聚类分析后得到的各种聚类结果，构建出与相应聚类结果对应的用户用电模式类别；其中，所述用户用电模式的类别包括三峰型用电、双峰型用电、平稳型用电和避峰型用电；
确定用户敏感度的各个等级，并将所述确定的用户敏感度的各个等级与所述构建出与相应聚类结果对应的用户用电模式类别相结合，通过预设的算法构建出用电模式预测模型；
获取目标用户当前实际用电数据，并将所述获取到的目标用户当前实际用电数据导入所述构建出的用电模式预测模型中，得到目标用户的当前用电模式类别及其对应的当前敏感度等级。
2.如权利要求1所述的方法，其特征在于，所述各用户历史用电数据和所述目标用户当前实际用电数据均通过智能表采集，采集周期为半小时，且所述各用户历史用电数据和所述目标用户当前实际用电数据均包括日期信息、时间信息、用户信息、用电量、有功功率和无功功率。
3.如权利要求1所述的方法，其特征在于，所述确定的用户用电负荷的分布规律包括用户用电负荷的周变化规律和日变化规律。
4.如权利要求1所述的方法，其特征在于，所述各种聚类结果还包括对各用户用电量均值进行聚类分析后得到的聚类结果。
5.如权利要求1所述的方法，其特征在于，所述用户敏感度的各个等级是根据供用电合同或用户敏感负荷调研结果获取用电用户使用的所有敏感负荷信息，并结合出现电能质量问题后用户投诉次数以及对用户电能体验的调研结果而确定。
6.如权利要求1所述的方法，其特征在于，所述构建出的用电模式预测模型是通过随机森林算法将所述用户用电模式的各个类别以及有功功率和无功功率作为输入以及将所述确定的用户敏感度的各个等级作为输出训练成分类器而获得。
7.一种基于用户行为数据挖掘的电能体验分析系统，其特征在于，所述系统包括：
参数获取单元，用于获取用户侧各用户历史用电数据，并根据所述获取到的用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；
张量模型分解单元，用于通过Tucker分解方法对所述构建的三维张量模型进行分解，得到由所述日期信息、时间信息和用户信息分别对应的二维特征矩阵，并根据所述得到的日期信息、时间信息和用户信息分别对应的二维特征矩阵，确定用户用电负荷的分布规律；
用电模式构建单元，用于对所述确定的用户用电负荷的分布规律进行聚类分析，并根据聚类分析后得到的各种聚类结果，构建出与相应聚类结果对应的用户用电模式类别；其中，所述用户用电模式的类别包括三峰型用电、双峰型用电、平稳型用电和避峰型用电；
用电模式预测模型构建单元，用于确定用户敏感度的各个等级，并将所述确定的用户敏感度的各个等级与所述构建出与相应聚类结果对应的用户用电模式类别相结合，通过预设的算法构建出用电模式预测模型；
用户体验分析单元，用于获取目标用户当前实际用电数据，并将所述获取到的目标用户当前实际用电数据导入所述构建出的用电模式预测模型中，得到目标用户的当前用电模式类别及其对应的当前敏感度等级。
8.如权利要求7所述的系统，其特征在于，所述确定的用户用电负荷的分布规律包括用户用电负荷的周变化规律和日变化规律。
9.如权利要求7所述的系统，其特征在于，所述用户敏感度的各个等级是根据供用电合同或用户敏感负荷调研结果获取用电用户使用的所有敏感负荷信息，并结合出现电能质量问题后用户投诉次数以及对用户电能体验的调研结果而确定。
10.如权利要求7所述的系统，其特征在于，，所述构建出的用电模式预测模型是通过随机森林算法将所述用户用电模式的各个类别以及有功功率和无功功率作为输入以及将所述确定的用户敏感度的各个等级作为输出训练成分类器而获得。