技术特征：
1.一种用电负荷识别方法，其特征在于，包括步骤s10,实时采集各用电负荷的时域波形测量数据，作为采集数据；s20,使用近邻脉冲信号增强的方法，对采集数据进行预处理；s30,对预处理后的采集数据进行时频转换，获得负荷数据的频谱图；s40,对转换后的频谱图进行单帧划分；s50,把各单帧频谱图按时间序列输入深度卷积神经网络进行深度卷积和池化操作，并形成单帧频谱图的空间表征；s60,构建时序递归神经网络；把所述单帧频谱图的空间表征，输入时序递归神经网络，形成负荷的时空表征，并输出负荷的层次化分类；s70,利用负荷的层次化分类，实现负荷用电识别。2.根据权利要求1所述的一种用电负荷识别方法，其特征在于，所述电负荷的时域波形测量数据为负荷的电流时域波形测量数据。3.根据权利要求2所述的一种用电负荷识别方法及其负荷用电设施知识库构建方法，其特征在于，所述电流时域波形测量数据采用在电压过零点并上升的位置开始测量电流的波形，该点的电压满足以下条件：u(j-1)＜u(j)＜u(j+1)|u(j)|＜|u(j-1)||u(j-1)|＜|u(j+1)|；其中：u(j)为第j采样点的电压信号；在获得一个周期内电流波形后，利用离散小波变换算法，对一个周期内电流波形进行相似性检测，捕获各个周期内电流的时序变化情况，获得电流的时域波形测量数据。4.根据权利要求3所述的一种用电负荷识别方法及其负荷用电设施知识库构建方法，其特征在于，利用离散小波变换算法，对一个周期内电流波形进行相似性检测，捕获各个周期内电流的时序变化情况，获得电流的时域波形测量数据，包括步骤：单个周期内两个长度不同的电流序列i
p
＝{i
p1
，i
p2
，
…
，i
pm
}和i
q
＝{i
q1
，i
q2
，
…
，i
qn
}，其中，i
pm
为电流波形的第p周期的第m个点，i
qn
为电流波形第q周期的第n个点；通过离散小波变换算法的递归方法计算得到：其中，d(i
pm
，i
qn
)定义的两个序列之间各点的距离d(i
pm
，i
qn
)＝(i
pm
，i
qn
)2，γ(
·
)是指定采样点以外的剩余采样点。5.根据权利要求1所述的一种用电负荷识别方法，其特征在于，使用近邻脉冲信号对采集数据进行信号增强处理，同时结合主成分分析实现信号去噪处理，完成信号预处理。6.根据权利要求1所述的一种用电负荷识别方法，其特征在于，对预处理后的采集数据进行时频转换，获得负荷数据的频谱图；包括步骤：确定时变信号其局部区域正弦波的频率与相位，即把一个函数和窗函数进行相乘，然后再进行一维的傅里叶变换；
并通过窗函数的滑动得到一系列的傅里叶变化结果，将这些结果排开便得到一个二维的表象；短时傅里叶变换的公式为：其中z(t)为源信号，g(t)为窗函数；通过傅里叶变换把一段较长时间上的负荷特征波形，划分成多个较短的段，每个段内进行傅里叶变化，最后形成该波形的傅里叶频谱图。7.根据权利要求1所述的一种用电负荷识别方法，其特征在于，根据实际负荷频谱图的时间特性结果，对负荷特征的频谱图像进行细粒度划分，按时间序列化分成多组单帧频谱图。8.根据权利要求1所述的一种用电负荷识别方法，其特征在于，把各单帧频谱图按时间序列输入深度卷积神经网络进行深度卷积和池化操作，并形成单帧频谱图的空间表征，包括步骤：构建深度卷积神经网络dnn模型，该模型只实现单帧频谱图的卷积和池化操作，不进行分类操作；该模型结构包括9个卷积层和6个池化层；通过卷积操作，使用卷积滤波器来提取负荷设施的特征，卷积之后的特征量再经过激活函数之后得到新的卷积特征量：其中，k
(l)
＝{(u，v)∈n2|0＜u＜k
w
，0＜v＜k
h
}，k
w
和k
h
代表卷积核的尺寸，l代表层数，代表卷积层的第j层的特征映射的偏移量，j(l-1)(u，v)∈k
(l)
是上一个特征映射的集合；卷积操作之后使用池化层进行下采样，使用最大池化操作：其中down(
·
)代表下采样函数；在最大池化操作模式下，使用给定尺寸和步长的卷积核对上一层卷积之后特征量进行邻域内取最大的值，并重构成新的特征量，公式如下所示：h
m，j
＝max
i∈n
；随后经过多次卷积和池化操作之后，进行全连接操作模块，全连接输出为：其中n代表上一层神经元的数量，l代表当前层的层数，代表连接当前层j和上一层i之间的权重，是偏移量，f(
·
)是激活函数。经过上述深层卷积神经网络模型操作，单帧负荷频谱图生成了空间表征序列集合x＝{x1，x2，
…
x
n
}，n表示特征量的个数；把单帧负荷频
谱图按时间序列分别输入深层卷积神经网络进行卷积操作，生成负荷频谱图的空间表征集合x＝{x
1n
，x
2n
，x
3n
…
x
mn
}，m表示单帧频谱图的个数。9.根据权利要求8所述的一种用电负荷识别方法，其特征在于，把经过深层卷积神经网络之后生成的空间表征x，分别作为时序循环神经网络的输入并构建空间特征量，形成负荷的时空表征，并输出负荷的层次化分类；针对输入的单帧频谱图，应用长短记忆循环神经网络进行分类操作；把经过深层卷积神经网络生成的空间表征序列集合x，按时间序列输入长短记忆循环神经网络中，输出负荷的时空表征o＝{o1，o2…
，o
t-1
，o
t
，o
t+1
，
…
},t表示当前时刻。10.一种负荷用电设施知识库构建方法，其特征在于，基于权利要求1-5所建立的用电负荷识别方法构建负荷用电设施知识库，包括步骤：通过采集不同负荷特征的时域监测数据，利用时-频转换技术，转换成负荷的频谱图像，组成基于时间序列的负荷频谱图像特征分布图；不同的时间段对应不同的负荷形态频谱图分布，构建层次化负荷用电设施知识库。