1.一种能源互联网环境下基于属性关联的负荷预测系统，其特征是，它包括：

数据采集及数据库管理模块，用于采集原始数据并进行分类，进而构建数据库本体；

电量供需平衡实时监测模块，基于数据库中的原始数据构建大规模图结构，依据构建的大规模图结构对影响用户用电的因素进行分析,监测供需双向负荷变化规律及阈值预警；

数据分析与处理模块，以大规模图结构为数据本体，将同一时间内消耗相等或相似电量的用户群建立关联关系，从而进行用户侧短期或超短期负荷的预测分析；

数据存储模块，对主机空间占有率与分配率进行实时监测；

电量查询模块，用于用户进行用电量的实时查询。

2.根据权利要求1所述的能源互联网环境下基于属性关联的负荷预测系统，其特征是，所述数据采集及数据库管理模块包括：能源控制装置、时间与地理信息定位装置、气象与空气质量监测装置、用户信息管理装置和数据库管理装置，其中，数据库管理装置将采集到的原始数据设定为四大类型：(1)能源类P，包括风能、太阳能光伏、电动车、生物质能、潮汐能、火力发电、水利发电和蓄电池；

(2)时间和日期类D，包括用电日的日期、智能电表采集的时间和周期、工作日、周末、季节、节日、发电和用电高峰期、实时电价、分时电价；

(3)气象和环境类W,包括晴天、阴天、雨天、风力0-2级、风力2-4级、风力4-6级、风力6级以上、温度、湿度、PM2.5、空气质量程度；

(4)用户类U，包括智能电表ID、智能电表位置信息、用户基本信息、用电习惯、实时用电量。

3.根据权利要求1或2所述的能源互联网环境下基于属性关联的负荷预测系统，其特征是，所述电量供需平衡实时监测模块包括：用于原始数据构建大规模图的大规模图结构G构建装置，大规模图结构G构建装置基于数据库管理装置对采集到的原始数据进行四大类型的设定，构建以智能电表为点V，以数据种类A(P,D,W,U)为顶点属性集合，即点V在某一时间区间内影响其波动程度的影响因素的集合，也就是属性A的集合函数，其函数包含四大类影响因素，①能源属性类P；②时间和日期类属性D；③气象和环境类属性W；④用户类属性U，电量C的变化信息为重要引导属性参数，以边E构建大规模图结构G,将基于电量的大规模子图定义为G＝{V,A,C,E}；

依据构建的大规模图结构对影响用户用电的因素进行分析的供需双向属性关联分析装置，该装置基于构建的大规模图结构G，计算属性关联度及挖掘模式规则集，对影响用户用电量较大的属性进行影响因素综合分析，结合能源类P的顶点属性集进行时序性的关联分析及挖掘关键属性群，用以预测未来短期用户侧的用电量及变化趋势；

用于监测供需双向负荷变化规律及阈值预警的供需双向实时电量变化监测装置，用于统计分析实时供电侧负荷变化和用电侧负荷变化规律，同时监测其双向阈值变化，避免出现供需失去平衡的状况。

4.根据权利要求3所述的能源互联网环境下基于属性关联的负荷预测系统，其特征是，所述数据分析与处理模块包括：用户侧属性挖掘装置、关键属性分析装置、电量预测装置。

5.根据权利要求4所述的能源互联网环境下基于属性关联的负荷预测系统，其特征是，所述电量预测装置获取未来短期内影响电量的属性，将用户分类，然后根据关联度排序表的高低以及筛选出的关键属性，预测未来短期内该用户的用电量，并且统计区域内所有用户的用电量预测，即得到该区域的用电总量预测。

6.根据权利要求1或2所述的能源互联网环境下基于属性关联的负荷预测系统，其特征是，用户根据安装的智能电表ID登陆所述的电量查询模块，查询用户当天或当月的实时用电量信息。

7.根据权利要求4所述的能源互联网环境下基于属性关联的负荷预测系统，其特征是，所涉及的方法步骤为：

1)对所述用户侧属性挖掘装置进行设置：

(1)根据大规模图结构G＝{V,A,C,E}，将密度子图定义为：是子图中的每个节点至少满足有一部分与其他顶点相连，并且每个连通子图的密度应大于设置的密度子图的最小密度值dmin，Ns是由实时变化用电量C诱导的密度子图的顶点个数，Ne是由C诱导的密度子图包含的边总和，因此，密度子图的最小密度值dmin＝Ns/Ne；

(2)设定密度子图φ和频繁属性项集的挖掘F＝({Cp},{X}),Cp是密度子图下的用电量区间属性集合，X是Ti到Tn时间区间下，各个时间片节点相关的所有属性的集合，依照Cp各个用电量评测区间的高低排序，将属性参数集合进行频繁项集的选取；

(3)定义模式规则集Z＝({Xf},{S},Sc),其中，Ti是代表时序列表当中的某一时刻；Xf是Ti到Tn时间区间下,基于电量属性结构中各个节点的属性集合A，进行频繁属性项集Top-k排序后得到的关键属性子集；S是由X诱导的密度子图包含的顶点集合，S集合的大小设定为大于最小定点数ρ且小于等于密度子图的最大顶点数Q；Sc是挖掘的密度子图Xf属性集合中Cp的用电量总和；

(4)定义频繁属性模式支持函数λ(X)，λ(X)的值是输入图中包括属性X的顶点个数，其中输入图是Ti到Tn时间区间下所有用户的属性图；

(5)定义电量属性关联函数θ，θ密度子图中包括Xf的顶点个数size(Xf)与输入图中包括Xf的顶点个数λ(X)之比，采用公式 得到电量属性之间的关联度；

2)对所述关键属性分析装置进行设置：

(1)在多维属性的大规模图结构下，通过挖掘密度子图可以找寻用电习惯最相似的用户群体；同时，通过挖掘频繁属性项集，可以计算出针对不同用电习惯，高关联度属性的关联关系排序；

(2)根据关联度推断，在多维属性随时间而变化条件下，对电量产生最大影响的关键属性集合以及属性变化规律。