1.一种负荷预测的方法，其特征在于，所述方法包括：
获取时间序列数据，以将所述时间序列数据分为训练集和测试集；
基于所述训练集、测试集和预设算法池确定负荷预测模型，其中，所述预设算法池包含至少两种的预设算法；
利用所述负荷预测模型，得到所述时间序列数据的预测算法；
根据所述时间序列数据的预测算法，以待预测的时间序列数据作为输入数据，得到负荷预测数据的结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述训练集、测试集和预设算法池确定负荷预测模型包括：
基于所述训练集中的每条时间序列数据对所述预设算法池中的所有算法分别进行训练，得到训练后的算法；
根据所述测试集中的每条时间序列数据和所述训练后的算法，得到预测结果；
基于所述测试集中的所述每条时间序列数据以及该时间序列数据对应的所述预测结果，确定该条时间序列数据对应算法标签，其中，每个算法标签对应一种算法；
通过所述测试集中任一时间序列数据与其对应的算法标签确定所述负荷预测模型。
3.根据权利要求2所述的方法，其特征在于，所述基于所述测试集中的所述每条时间序列数据以及该时间序列数据对应的所述预测结果确定该条时间序列数据对应算法标签包括：
针对所述测试集中的所有时间序列数据，确定每条时间序列数据和与其对应的所述预测结果的均方根误差；
确定所述时间序列数据对应的所述均方根误差的大小；
选择所述均方根误差最小的所述时间序列数据对应的算法，作为该条时间序列数据对应的算法标签。
4.根据权利要求3所述的方法，其特征在于，所述均方根误差通过如下公式确定：
其中，n表示所述测试集中所述时间序列数据的个数，yi表示第i个所述时间序列数据，
5.根据权利要求2所述的方法，其特征在于，所述基于所述训练集、测试集和预设算法池，确定负荷预测模型之前，所述方法还包括：
分别提取所述训练集的预设个维度的数据特征。
6.根据权利要求5所述的方法，其特征在于，所述基于所述训练集中的每条时间序列数据对所述预设算法池中的所有算法分别进行训练，得到训练后的算法包括：
利用第一预设算法对所述训练集的预设个维度的数据特征进行聚类，以得到k个分类器；
基于所述测试集并利用第二预设算法对所述k个分类器进行聚类预测，，以得到聚类预测后的所述时间序列数据；
以所述聚类预测后的所述时间序列数据作为所述预设算法池中任一预设算法的输入训练该预设算法，以得到训练后的算法。
7.根据权利要求1所述的方法，其特征在于，所述以待预测的时间序列数据作为所述负荷预测模型的输入，得到负荷预测结果包括：
提取所述待预测的时间序列数据的预设个维度的数据特征；
利用所述第三预设算法对所述待预测的时间序列数据的预设个维度的数据特征进行聚类，以得到所述预测集的至少一个聚类数据；
基于任一所述聚类数据查找与其对应的所述训练后的算法；
利用所述查找到的所述训练后的算法对所述待预测的时间序列进行预测，得到负荷预测结果。
8.根据权利要求1所述的方法，其特征在于，所述利用所述负荷预测模型，得到所述时间序列数据的预测算法，包括：
根据所述负荷预测模型对所述训练集、测试集中的每条时间序列数据进行预测，以得到每条所述时间序列数据的均方根误差；
确定所述均方根误差最小的所述时间序列数据对应的算法为所述时间序列数据的预测算法。
9.一种负荷预测的装置，其特征在于，所述装置包括：
获取模块，用于获取时间序列数据，以将所述时间序列数据分为训练集和测试集；
模型确定模块，用于基于所述训练集、测试集和预设算法池确定负荷预测模型，其中，所述预设算法池包含至少两种的预设算法；
预测算法确定模块，用于利用所述负荷预测模型，得到所述时间序列数据的预测算法；
预测模块，用于根据所述时间序列数据的预测算法，以待预测的时间序列数据作为输入数据，得到负荷预测数据的结果。
10.根据权利要求9所述的装置，其特征在于，所述预测算法确定模块，包括：
预测单元，用于根据所述负荷预测模型对所述训练集、测试集中的每条时间序列数据进行预测，以得到每条所述时间序列数据的均方根误差；
确定单元，用于确定所述均方根误差最小的所述时间序列数据对应的算法为所述时间序列数据的预测算法。