1.一种电量负荷预测方法，其特征在于，包括：
获取待预测时刻对应的时间序列数据与所述时间序列数据对应的外部因素数据；
采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征；
采用支持向量回归机对所述时间序列数据、所述外部因素数据和所述隐含特征进行处理，获取至少两个预测值；
采用回归加权模型对所述至少两个预测值进行处理，获取所述待预测时刻的电量负荷预测结果。
2.如权利要求1所述的电量负荷预测方法，其特征在于，所述获取待预测时刻对应的时间序列数据与所述时间序列数据对应的外部因素数据，包括：
获取时间序列的电量负荷数据；
根据预设规则，从所述时间序列的电量负荷数据中提取与待预测时刻对应的时间序列数据；
根据所述时间序列数据，获取与所述时间序列数据对应的外部因素数据，所述外部因素数据至少包括温度数据和天气数据。
3.如权利要求1所述的电量负荷预测方法，其特征在于，所述采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征，包括：
对所述外部因素数据进行扰动操作，获取扰动数据；
采用特征提取函数对所述扰动数据进行处理，获取隐含特征。
4.如权利要求1所述的电量负荷预测方法，其特征在于，所述采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征步骤前，还包括：
对初始多层降噪自编码器、初始支持向量回归机和初始回归加权模型进行训练，以获取满足预设要求的多层降噪自编码器、支持向量回归机和回归加权模型用于电量负荷预测，包括：
对所述待预测时刻的时间序列数据和所述时间序列数据对应的外部因素数据进行分割，以获取训练数据和测试数据；
采用所述训练数据对所述初始多层降噪自编码器进行训练，以获取经过训练的多层降噪自编码器和所述训练数据对应的隐含特征；
采用所述隐含特征和所述训练数据对所述初始支持向量回归机进行训练，以获取经过训练的初始支持向量回归机和所述训练数据的预测值；
采用所述训练数据的预测值对所述初始回归加权模型进行训练，以获取经过训练的回归加权模型；
采用所述测试数据对所述经过训练的多层降噪自编码器、所述经过训练的初始支持向量回归机和所述经过训练的回归加权模型进行测试，以确定满足预设要求的多层降噪自编码器、支持向量回归机和回归加权模型用于电量负荷预测。
5.如权利要求4所述的电量负荷预测方法，其特征在于，所述采用所述训练数据对所述初始多层降噪自编码器进行训练，以获取经过训练的多层降噪自编码器和所述训练数据对应的隐含特征步骤中，还包括：
对初始多层降噪自编码器进行训练，以获取满足预设要求的经过训练的多层降噪自编码器用于获取隐含特征，包括：
采用初始多层降噪自编码器对所述训练数据进行处理，获取所述训练数据的隐含特征；
采用解码器函数对所述隐含特征进行解码处理，获取所述训练数据的输出向量；
预设目标函数，使目标函数最小化，根据所述训练数据的输出向量，获取所述训练数据的输出数据，所述目标函数获取方式为：
l(x,z)＝(x-z)2
其中，x表征所述训练数据；z表征输出向量；
将所述训练数据的输出数据进行反向传播求导训练初始编码器和解码器，获取经过训练的编码器和解码器；
根据所述经过训练的编码器和解码器，获取经过训练的多层降噪自编码器；
判断所述经过训练的多层降噪自编码器是否满足预设要求；
若所述经过训练的多层降噪自编码器满足预设要求，则确定所述经过训练的多层降噪自编码器用于获取隐含特征；
若所述经过训练的多层降噪自编码器不满足预设要求，则返回采用初始多层降噪自编码器对所述训练数据进行处理，获取所述训练数据的隐含特征步骤。
6.如权利要求4所述的电量负荷预测方法，其特征在于，所述采用所述测试数据对所述经过训练的多层降噪自编码器、所述经过训练的初始支持向量回归机和所述经过训练的回归加权模型进行测试，以确定满足预设要求的多层降噪自编码器、支持向量回归机和回归加权模型用于电量负荷预测，包括：
将所述测试数据输入所述经过训练的多层降噪自编码器，以获取所述测试数据的隐含特征；
将所述测试数据的隐含特征和所述测试数据输入所述经过训练的初始支持向量回归机，获取所述测试数据对应的预测值；
将所述测试数据对应的预测值输入所述经过训练的回归加权模型，获取测试预测结果；
根据所述测试预测结果和所述测试数据，获取测试指标；
判断所述测试指标是否满足预设要求；
若所述测试指标满足预设要求，则确定所述经过训练的多层降噪自编码器、所述经过训练的初始支持向量回归机和所述经过训练的回归加权模型分别为用于电量负荷预测的多层降噪自编码器、初始支持向量回归机和回归加权模型；
若所述测试指标不满足预设要求，则返回采用所述训练数据对所述初始多层降噪自编码器进行训练步骤。
7.如权利要求6所述的电量负荷预测方法，其特征在于，所述根据所述测试预测结果和所述测试数据，获取测试指标中，所述测试指标包括均方根误差和相对误差率，所述测试指标的均方根误差获取方式为：
其中，yi表征时间序列数据中的测试值，
所述测试指标的相对误差率获取方式为：
8.一种电量负荷预测装置，其特征在于，包括：
数据获取模块，用于获取待预测时刻对应的时间序列数据和与所述时间序列数据对应的外部因素数据；
特征获取模块，用于采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征；
预测值获取模块，用于采用支持向量回归机对所述时间序列数据、所述外部因素数据和所述隐含特征进行处理，获取至少两个预测值；
结果获取模块，用于采用回归加权模型对所述至少两个预测值进行处理，获取所述待预测时刻的电量负荷预测结果。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。