1.充电堆功率动态分配策略优化方法，其特征是，包括以下步骤：获取充电堆在同时段的历史充电车辆数据，并通过神经网络模型对历史充电车辆数据进行训练，预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率；

依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率；

依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值；

依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值；

依据功率需求值对初始分配功率进行修正，得到分配周期内不同时刻充电车辆的最终分配功率。

2.根据权利要求1所述的充电堆功率动态分配策略优化方法，其特征是，所述最终分配功率的获得过程具体为：以功率需求值与分配功率均值的平均值作为最终分配功率。

3.根据权利要求1所述的充电堆功率动态分配策略优化方法，其特征是，所述最终分配功率的获得过程具体为：以分配周期内各个时刻所对应功率需求值的平均值作为功率标准值；

以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数；

以分配功率均值与调整系数之积作为相应时刻的最终分配功率。

4.根据权利要求1‑3任意一项所述的充电堆功率动态分配策略优化方法，其特征是，所述分配功率均值在分配周期内各个时刻进行更新，具体过程为：依据充电堆在当前时刻实际接入充电车辆的功率之和计算得到更新后的总输出功率；

依据更新后的总输出功率计算得到对应时刻更新后的分配功率均值；

和/或，具体过程为：

计算分配周期内新接入充电堆的充电车辆接入量；

依据所述预估充电车辆总量与充电车辆接入量之差计算得到对分配周期剩余时间所更新后的预估充电车辆总量；

依据更新后的预估充电车辆总量计算得到对应时刻更新后的分配功率均值。

5.根据权利要求3所述的充电堆功率动态分配策略优化方法，其特征是，所述调整系数在分配周期内各个时刻进行更新，具体过程为：以分配周期剩余时间内各个时刻所对应功率需求值的平均值作为更新后的功率标准值；

以各个时刻所对应功率需求值与功率标准值之比作为对应时刻的调整系数；

依据更新后的功率标准值计算得到对应时刻更新后的最终分配功率。

6.根据权利要求1所述的充电堆功率动态分配策略优化方法，其特征是，所述分配周期为固定周期；或为上一个分配周期内所有完成充电的充电车辆所对应充电时间的平均值。

7.根据权利要求1所述的充电堆功率动态分配策略优化方法，其特征是，该方法还包括通过设置功率上限值和功率下限值对最终分配功率进行约束，具体约束过程为：若最终分配功率大于功率上限值，则以功率上限值作为约束后的最终分配功率；

若最终分配功率小于功率下限值，则以功率下限值作为约束后的最终分配功率。

8.充电堆功率动态分配策略优化系统，其特征是，包括：车辆预测模块，用于获取充电堆在同时段的历史充电车辆数据，并通过神经网络模型对历史充电车辆数据进行训练，预测得到分配周期内的预估充电车辆总量、预估充电车辆功率以及充电车辆概率；

功率计算模块，用于依据充电堆的最大输出功率与充电堆的总输出功率之差计算得到对应分配周期的总分配功率；

功率均分模块，用于依据总分配功率与预估充电车辆总量之比计算得到单个充电端口的分配功率均值；

需求分析模块，用于依据分配周期内各个时刻的预估充电车辆功率和充电车辆概率进行权重计算得到对应时刻的功率需求值；

功率修正模块，用于依据功率需求值对初始分配功率进行修正，得到分配周期内不同时刻充电车辆的最终分配功率。

9.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1‑7中任意一项所述的充电堆功率动态分配策略优化方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行可实现如权利要求1‑7中任意一项所述的充电堆功率动态分配策略优化方法。