1.一種電力客戶用電負(fù)荷預(yù)測的建模方法，其特征在于，包括：
對過去若干年的歷史日的用電負(fù)荷進行分群，分為工作日集合和非工作日集合；
根據(jù)分群結(jié)果分別對工作日集合和非工作日集合的用電負(fù)荷進行建模；
對預(yù)測日按是否工作日與分群結(jié)果進行匹配，以匹配對應(yīng)集合的模型對預(yù)測日負(fù)荷進行預(yù)測，得到初步預(yù)測結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括利用馬爾可夫求取預(yù)測誤差轉(zhuǎn)移矩陣，得到預(yù)測日誤差修正值；
由初步預(yù)測結(jié)果和預(yù)測日誤差修正值得到最終預(yù)測結(jié)果。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，對工作日集合和非工作日集合的用電負(fù)荷分別進行建模，以每個集合內(nèi)每天的溫度、鄰近日負(fù)荷曲線及鄰近日溫度經(jīng)主成分分析后的若干新特征作為輸入，以當(dāng)天的負(fù)荷曲線為輸出，采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進行模型構(gòu)建。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)進行模型構(gòu)建過程中還包括權(quán)值修正方法：使用反向傳播算法對網(wǎng)絡(luò)的權(quán)值和偏差進行反復(fù)的訓(xùn)練調(diào)整，使輸出的向量與期望向量盡可能地接近，當(dāng)網(wǎng)絡(luò)輸出層的誤差平方和小于指定的誤差時訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值和偏差。
5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，對每個集合以每天的溫度、鄰近日負(fù)荷曲線及鄰近日溫度經(jīng)主成分分析后的若干新特征作為輸入，包括：
對當(dāng)日平均溫度和同一數(shù)據(jù)集合下當(dāng)前記錄的臨近三天平均溫度，以及同一數(shù)據(jù)集合下當(dāng)前記錄的臨近三天每天24小時內(nèi)的24個用電負(fù)荷進行主成分分析，將最終的若干新特征作為模型輸入，以降低變量維度。
6.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述初步預(yù)測結(jié)果包括：
判斷預(yù)測日是否為工作日，若是工作日則匹配到工作日集合，若是非工作日則匹配到非工作日集合；
在預(yù)測日所在相應(yīng)集合的預(yù)測模型中，輸入為預(yù)測日平均溫度和同一數(shù)據(jù) 集合下當(dāng)前記錄的臨近三天平均溫度，以及同一數(shù)據(jù)集合下當(dāng)前記錄的臨近三天每天24小時內(nèi)的24個用電負(fù)荷進行主成分分析后得到的若干新特征，輸出為預(yù)測日的負(fù)荷曲線。
7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用馬爾可夫獲取預(yù)測日的絕對誤差修正值，具體包括以下步驟：
獲取絕對誤差序列樣本；
利用均值方差法對負(fù)荷預(yù)測結(jié)果的絕對誤差序列狀態(tài)區(qū)間劃分；
計算馬爾可夫預(yù)測誤差狀態(tài)概率轉(zhuǎn)移矩陣；
根據(jù)狀態(tài)概率轉(zhuǎn)移矩陣計算出未來時刻預(yù)測誤差的狀態(tài)概率，得到誤差預(yù)測值。
8.根據(jù)權(quán)利要求2或7所述的方法，其特征在于，所述由初步預(yù)測結(jié)果和預(yù)測日誤差修正值得到最終預(yù)測結(jié)果，具體根據(jù)馬爾可夫得到的預(yù)測日誤差修正值對遺傳算法改進的BP神經(jīng)網(wǎng)絡(luò)算法得到的初始預(yù)測結(jié)果進行修正，得到最終的負(fù)荷預(yù)測曲線。
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，若干年優(yōu)選為一年，即對過去一年歷史日的用電負(fù)荷按是否工作日進行分群方法包括：
獲取過去一年的用戶日用電負(fù)荷；
獲取每天日期信息；
是工作日則劃為工作日下的用電負(fù)荷集合，周末、國家法定節(jié)假日則劃為非工作日下的用電負(fù)荷集合。