1.一种大数据智能减排系统，其特征在于，包括大数据检索模块、监测模块、预测模块、预警模块和智能控制模块；

所述大数据检索模块用于对能耗设备进行检索，并对不同型号、不同功率的能耗设备进行分类输出，输出结果传至预测模块；

所述监测模块用于对能耗设备进行能耗监测以及碳排放监测，并将监测数据传输到预测模块；

所述预测模块用于根据大数据检索模块以及监测模块传输的数据进行预测，并将预测结果传输至预警模块以及智能控制模块；所述预测模块包括能耗预测模型、碳排放预测模型以及对模型权值进行优化的智能优化算法，预测模块输出的结果为未来24小时内的能耗值以及碳排放量；

所述的能耗预测模型以及碳排放预测模型实现过程如下：T1+T2＝1

k1+k2＝1

C＝0.785E

式中，E表示总能耗值， 表示空调第h小时运行功率， 表示照明系统第h小时运行功率， 表示该型号空调大数据检索获取功率， 表示照明系统大数据检索获取功率，T1和T2表示空调分配时间，k1和k2为权重因子，C表示二氧化碳排放量；

具体预测算法测步骤如下：

(1)采用改进的天鹰优化算法IAO寻找最优的权重因子k1和k2，目标函数如下所示:式中，f表示对预测误差的量化标准，Ei.T表示第i个数据点的实际能耗值，Ei表示第i个数据点的预测能耗值，N表示能耗数据中种群规模；

(2)随机初始化种群位置，种群位置矩阵如下所示：Xij＝rand×(UBj‑LBj)+LBj；i＝1,2,.....,N；j＝1,2,...,dim其中：rand为0到1的随机数，UB表示最优解的上届，LB表示最差解的下届，dim表示搜索空间的维度；

(3)建立扩大搜索阶段数学模型，数学模型如下所示：其中，X(t)和X(t+1)分别表示AO算法在第t次和第t+1次迭代中的个体位置，Xbest(t)表示目前最佳个体位置，XM(t)表示种群平均位置，Xi(t)表示第i个天鹰体的位置，T表示最大迭代次数；

(4)建立缩小搜索阶段数据模型，模型公式如下所示：2

X(t+1)＝Xbest(t)×Levy(D)+XR(t)+(y‑x)*rand其中，XR(t)表示随机个体的位置，Levy(D)表示莱维飞行策略，s是值为0.01的常数，u和v是范围在[0,1]之间的随机数，β为调整系统动态特性的控制参数，Γ(1+β)表示对(1+β)进行莱维飞行运算；

(5)确定飞行位置横坐标变量x和纵坐标变量y的飞行形状，x和y的飞行形状公式如下所示：y＝r×cos(θ)

x＝r×sin(θ)

r＝r1+U×D1

θ＝‑ω×D1+θ1

其中，r是搜索步长，取值范围为[1,20]之间的常数；θ为变换角度，r1为搜索步长初始值，D1为搜索空间的维度，U取0.00565；ω取0.005；

(6)建立扩大开发阶段数学模型，数学模型如下所示：3

X(t+1)＝(Xbest(t)‑XM(t))×a‑rand+((UB‑LB)×rand+LB)×δ其中，a和δ表示开发的调整参数，且取值都为0.1；

(7)建立缩小开发阶段数学模型，数学模型如下所示：4

X(t+1)＝QF(t)×Xbest(t)‑(G1×X(t)×rand)‑G2×Levy(D)+rand×G1G1＝2×rand‑1

其中，QF(t)表示用于平衡搜索策略的质量函数值；G1表示在追踪猎物过程中AO的各种运动；G2表示线性递减的飞行斜率值，取值范围在[0,2]之间；

(8)对算法的扩大开发阶段进行改进，改进公式如下所示：3

X(t+1)＝Xbest(t)+r2×(Xr(t)‑Xi(t))+μ×(Xbest(t)‑Xi(t))其中，r2和r3介于[0,1]之间，Xr(t)为当前迭代种群中随机天鹰个体；μ为螺旋系数；

(9)对算法的缩小开发阶段进行改进，改进公式如下所示：4

X(t+1)＝QF(t)×Xbest(t)+r4×Num×Xi(t)其中，r4介于[0,1]之间，Fr(t)为随机个体Xr(t)的适应度值，Fi(t)为Xi(t)的适应度函数值；

所述预警模块用于分析预测模块的结果，在必要时向管理层发出预警；所述在必要时向管理层发出预警具体为，所述预警模块提前设定有标准能耗值以及标准碳排放量，预警模块将标准能耗值以及标准碳排放量与预测模块传来的未来24小时内的能耗值以及碳排放量进行比对，当检测到未来24小时能存在某一时刻的能耗值以及碳排放量高于标准能耗值以及标准碳排放量时，向管理层发出预警；

所述智能控制模块用于根据预测模块的结果，调节能耗设备功率。

2.根据权利要求1所述的大数据智能减排系统，其特征在于：所述大数据检索模块检索的方式为采用分布式并行数据挖掘方式对系统中储存的全部数据集进行任务分解处理，并采用模糊C算法进行汇总，模糊C算法的表示为：式中，uab表示聚类系数，Da表示分解前的任务数量，vb表示分解后的任务数量，A和B均为实数。

3.根据权利要求2所述的大数据智能减排系统，其特征在于：所述大数据检索模块检索过程主要包括以下步骤：(1)建立系统字典：利用Elasticsearch默认分词词库构建基本词库，完成字典的建立；

(2)建立信息索引机制：采用设备关键字、型号信息进行广度索引；

(3)实现自动检索方案：根据要求，将关键字交给索引请求代理，索引存储器将检索代理发送的关键字信息进行匹配，并按照检索结果进行相关度的排序，最后将检索结果输入到预测模块中，完成整个大数据检索流程。

4.根据权利要求1所述的大数据智能减排系统，其特征在于：所述智能控制模块对能耗设备的功率进行调节的范围保持在设备可以正常工作的功率范围内。

5.根据权利要求1所述的大数据智能减排系统，其特征在于：还包括供电模块和制氢模块。

6.根据权利要求5所述的大数据智能减排系统，其特征在于：所述供电模块包括电网以及光伏储能设备，所述光伏储能设备由多个光伏板和储能电池组成，光伏板吸收太阳能对能耗设备进行供电并将多余的能量储存与储能电池；所述光伏储能设备在用电高峰期或停电时进行放电，在用电低谷期进行充电，并将多余的电力输入制氢模块。

7.根据权利要求5所述的大数据智能减排系统，其特征在于：所述制氢模块利用供电模块多余的电力进行电解制氢并进行储存，制氢方式为PEM电解槽，化学反应过程如下式所示:

2H2O→2H2+O2

储存步骤如下：

(1)氢气压缩，压缩系统方程如下所示：

其中，ECOM为压缩机的耗电量， 为氢气质量流量，k为绝热指数，数值为1.4，R为气体的空气常数，为4124J/(kg*K),W为压缩气体温度，P2为气体压缩压力，P1为压缩机进口压力；

(2)通过储罐系统储存氢气，储罐系统工作压力小于20MPa，储罐压力公式如下所示：3

式中，PHst为储罐的压力， 为氢气质量，VHst为储罐的容积，单位为m。