1.一种基于充电负荷预测的有序充电调度方法，其特征在于，该方法包括以下步骤：

获取充电桩目标负荷数据和充电桩历史负荷数据序列；

获取充电桩历史负荷数据序列中每个充电桩历史负荷数据的预测数据；根据充电桩历史负荷数据序列中每个充电桩历史负荷数据的预测数据，获得充电桩历史负荷数据序列中每个充电桩历史负荷数据与充电桩目标负荷数据的关联程度；

获取若干个历史邻域数据序列和目标邻域数据序列；根据充电桩历史负荷数据序列中每个充电桩历史负荷数据与充电桩目标负荷数据的关联程度，获取每个历史邻域数据序列与目标邻域数据序列的关联程度差值序列；获取每个历史邻域数据序列与目标邻域数据序列的关联程度差值序列的关联置信程度；

根据每个历史邻域数据序列与目标邻域数据序列的关联程度差值序列的关联置信程度获取最佳关联程度差值序列；根据最佳关联程度差值序列的关联置信程度，获取调整后的预测误差相关参数滞后阶数和调整后的预测误差相关参数移动平均滞后阶数；根据调整后的预测误差相关参数滞后阶数和调整后的预测误差相关参数移动平均滞后阶数对充电桩进行有序充电调度；

所述根据最佳关联程度差值序列的关联置信程度获取调整后的预测误差相关参数滞后阶数和调整后的预测误差相关参数移动平均滞后阶数，包括的具体方法为：将最佳关联程度差值序列所对应的历史邻域数据序列记为最佳历史邻域数据序列，对于历史邻域数据序列中第个充电桩历史负荷数据，通过自相关图和偏自相关图获得第个充电桩历史负荷数据的模型的滞后阶数与移动平均滞后阶数；通过自相关图和偏自相关图获得充电桩目标负荷数据的模型的滞后阶数与移动平均滞后阶数；则调整后的预测误差相关参数滞后阶数与移动平均滞后阶数的计算表达式为：式中，表示最佳关联程度差值序列的关联置信程度；为预设参数。

2.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述获取充电桩目标负荷数据和充电桩历史负荷数据序列，包括的具体方法为：通过电气传感器采集充电桩当前天的负荷数据与充电桩过去若干天的负荷数据；对于每一天的充电桩负荷数据，将负荷数据为空的部分进行去除，再将其他离散的负荷数据进行数据规整，得到规整后的每一天的充电桩负荷数据；同理，获得规整后的充电桩当前天的负荷数据与规整后的充电桩过去若干天的负荷数据；将规整后的充电桩当前天的负荷数据记为充电桩目标负荷数据；将规整后的充电桩过去若干天的负荷数据组成的充电桩负荷数据序列记为充电桩历史负荷数据序列。

3.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述获取充电桩历史负荷数据序列中每个充电桩历史负荷数据的预测数据，包括的具体方法为：通过模型对充电桩历史负荷数据序列中每个充电桩历史负荷数据进行预测，得到充电桩历史负荷数据序列中每个充电桩历史负荷数据的预测数据。

4.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述根据充电桩历史负荷数据序列中每个充电桩历史负荷数据的预测数据，获得充电桩历史负荷数据序列中每个充电桩历史负荷数据与充电桩目标负荷数据的关联程度，包括的具体方法为：获取充电桩历史负荷数据序列中每个充电桩历史负荷数据与充电桩目标负荷数据的时间日期间隔长度；则充电桩历史负荷数据序列中第个充电桩历史负荷数据与充电桩目标负荷数据的关联程度的计算表达式为：式中，表示充电桩历史负荷数据序列中第个充电桩历史负荷数据与充电桩目标负荷数据的关联程度；表示充电桩历史负荷数据序列中第个充电桩历史负荷数据的预测数据；表示充电桩历史负荷数据序列中第个充电桩历史负荷数据的预测数据；表示充电桩目标负荷数据；表示充电桩历史负荷数据序列中第个充电桩历史负荷数据与充电桩目标负荷数据的时间日期间隔长度；表示DTW距离；表示取绝对值；表示线性归一化函数。

5.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述获取若干个历史邻域数据序列和目标邻域数据序列，包括的具体方法为：预设参数，将充电桩历史负荷数据序列中与充电桩目标负荷数据相邻的充电桩历史负荷数据记为第一历史负荷数据；将第一历史负荷数据在充电桩历史负荷数据序列中左相邻的个充电桩历史负荷数据以及第一历史负荷数据组成的历史负荷数据序列记为目标邻域数据序列；在充电桩历史负荷数据序列中，将除了目标邻域数据序列的所有充电桩历史负荷数据以外的任意一个充电桩历史负荷数据记为第二历史负荷数据，将第二历史负荷数据在充电桩历史负荷数据序列中左相邻的个充电桩历史负荷数据以及第二历史负荷数据组成的历史负荷数据序列记为历史邻域数据序列，同理，获得若干个历史邻域数据序列。

6.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述获取每个历史邻域数据序列与目标邻域数据序列的关联程度差值序列，包括的具体方法为：对于历史邻域数据序列和目标邻域数据序列，获取每个历史邻域数据序列中每个充电桩历史负荷数据与充电桩目标负荷数据的关联程度，获取目标邻域数据序列中每个充电桩历史负荷数据与充电桩目标负荷数据的关联程度；对于第个历史邻域数据序列，将第个历史邻域数据序列中第个充电桩历史负荷数据与充电桩目标负荷数据的关联程度和目标邻域数据序列中第个充电桩历史负荷数据与充电桩目标负荷数据的关联程度的差值，作为第个历史邻域数据序列与目标邻域数据序列的关联程度差值序列中第个元素，同理，获得第个历史邻域数据序列与目标邻域数据序列的关联程度差值序列中所有元素，进而获得第个历史邻域数据序列与目标邻域数据序列的关联程度差值序列。

7.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述获取每个历史邻域数据序列与目标邻域数据序列的关联程度差值序列的关联置信程度，包括的具体方法为：第个历史邻域数据序列与目标邻域数据序列的关联程度差值序列的置信程度计算表达式为：

式中，表示第个历史邻域数据序列与目标邻域数据序列的关联程度差值序列的置信程度；表示第个历史邻域数据序列与目标邻域数据序列的关联程度差值序列中第个元素；表示所有历史邻域数据序列与目标邻域数据序列的关联程度差值序列中第个元素均值；表示取绝对值；为预设参数。

8.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述根据每个历史邻域数据序列与目标邻域数据序列的关联程度差值序列的关联置信程度获取最佳关联程度差值序列，包括的具体方法为：将所有历史邻域数据序列与目标邻域数据序列的关联程度差值序列的关联置信程度组成关联置信程度序列，将关联置信程度序列中的历史邻域数据序列与目标邻域数据序列的关联程度差值序列的关联置信程度最大值记为最佳关联程度差值序列。

9.根据权利要求1所述一种基于充电负荷预测的有序充电调度方法，其特征在于，所述根据调整后的预测误差相关参数滞后阶数和调整后的预测误差相关参数移动平均滞后阶数对充电桩进行有序充电调度，包括的具体方法为：将调整后的预测误差相关参数滞后阶数和调整后的预测误差相关参数移动平均滞后阶数作为模型的参数，通过模型预测充电桩充电负荷数据，根据预测的充电桩充电负荷数据对充电桩进行有序充电调度。