1.一种智能建筑设备管理监控系统，其特征在于，包括以下部分：数据采集网络、特征提取模块、三维全景模块、大数据获取接口、内外关联分析模块、设备关联模块和调控模块；

所述特征提取模块，用于将获取到的各个设备在固定时段内的运行数据分别按照时间序列作为输入向量，通过特征提取模块提取设备运行数据的特征向量，具体的特征提取过程如下：由第一卷积层对运行数据时序向量进行一维卷积处理，得到第一运行特征向量，具体公式为：，

其中， 表示第一运行特征向量， 表示第一卷积层中一维卷积核参数， 表示第一卷积层中一维卷积核的宽度， 表示第一卷积层中一维卷积核的尺寸，表示第一卷积层中的向量矩阵，表示运行数据时序向量；

由第二卷积层对运行数据时序向量进行一维卷积处理，得到第二运行特征向量，具体公式为：，

其中， 表示第二运行特征向量，  表示第二卷积层中一维卷积核参数，表示第二卷积层中一维卷积核的宽度， 表示第二卷积层中一维卷积核的尺寸，表示第二卷积层中的向量矩阵；

由第一运行特征向量和第二运行特征向量得到设备运行数据的特征向量，具体公式为：，

其中， 表示设备运行数据的特征向量，将所述设备运行数据的特征向量显示到三维全景图中；特征提取模块通过数据传输的方式与三维全景模块、内外关联分析模块、设备关联模块相连；

所述内外关联分析模块，用于构建内外关联神经网络模型，将历史建筑设备数据源、设备属性及对应的气象环境的时序数据作为样本数据，将建筑设备属性数据和气象环境的时序数据作为模型的输入 ，建筑设备运行数据作为实际输出 ，拟合得到每个建筑设备与气象环境的关系函数，从样本数据中选取 组数据作为训练样本 ，其中， 表示第 个输入数据， 表示第 个输出数据， ；所述内外关联神经网络模型包括输入层、变换层、K个隐含层和输出层；

设立输入层的输入为 , 为输入数据的维数，针对连续m个输入数据进行神经网络变换，所述连续m个输入数据对应的实际输出值的差值小于预设的阈值，所述阈值根据专家经验法自行设定，神经网络变换方式如下：，

其中， 表示m个输入数据经过神经网络变换后得到的第个变换后的数据， ，， 表示向上取整；

隐含层产生的拟合函数表示为：

，

其中， 表示第k个隐含层的输出， 表示第j个数据的参数矩阵， 表示第j个数据的神经元输出， 为激活函数， 为第j个数据的权重系数， 为偏置， 表示J个数据的总参数矩阵， 表示J个数据的输出和；

将第K个隐含层的输出 传递给输出层，输出层的输出结果为：，

其中， 表示连续m个输入数据对应的输出结果， 表示输出层的权重， 表示输出层的偏置；计算模型输出与实际输出的误差：，

其中， 表示第j个数据的输出误差， 表示第j组连续m个输入数据的实际输出的均值；

当输出误差大于预设误差精度值时，根据梯度下降法对模型中的参数进行优化改进，再次训练，直至输出误差达到预期效果为止，从而得到气象环境对每个建筑设备的影响，进而生成对设备的调控指令；内外关联分析模块通过数据传输的方式与调控模块相连；

所述设备关联模块，用于根据设备之间的数据交互和运行数据之间的影响确定设备之间的联动关系，确定建筑内每个设备对应的联动设备，根据设备运行数据的变化生成对联动设备的联动指令，设备关联模块通过数据传输的方式与调控模块相连。

2.一种智能建筑设备管理监控方法，应用于权利要求1所述的一种智能建筑设备管理监控系统，其特征在于，包括以下步骤：S1. 构建建筑设备数据采集网络，得到建筑设备数据源，提取设备运行数据的特征向量，形成智能建筑设备的三维全景模型；

S2. 获取建筑室外气象数据和建筑设备属性数据，构建内外关联神经网络模型，拟合得到每个建筑设备与气象环境的关系函数，确定设备之间的联动关系，根据气象信息和设备联动生成智能建筑设备的管理监控指令。

3.根据权利要求2所述的一种智能建筑设备管理监控方法，其特征在于，所述步骤S1，具体包括：获取智能建筑各个设备在固定时段内的运行数据，将各个设备在固定时段内的运行数据分别按照时间序列作为输入向量，提取设备运行数据的特征向量。

4.根据权利要求3所述的一种智能建筑设备管理监控方法，其特征在于，所述步骤S1，还包括：由第一卷积层对运行数据时序向量进行一维卷积处理，得到第一运行特征向量，由第二卷积层对运行数据时序向量进行一维卷积处理，得到第二运行特征向量，由第一运行特征向量和第二运行特征向量得到设备运行数据的特征向量。

5.根据权利要求2所述的一种智能建筑设备管理监控方法，其特征在于，所述步骤S2，具体包括：构建内外关联神经网络模型，将建筑设备属性数据和气象环境的时序数据作为模型的输入X，建筑设备运行数据作为实际输出Y，从样本数据中选取N组数据作为训练样本，其中， 表示第i个输入数据， 表示第i个输出数据， ；内外关联神经网络包括输入层、变换层、K个隐含层和输出层。

6.根据权利要求5所述的一种智能建筑设备管理监控方法，其特征在于，所述步骤S2，还包括：针对连续m个输入数据进行神经网络变换，在选取连续m个输入数据时需注意，连续m个输入数据对应的实际输出值的差值小于预设的阈值。

7.根据权利要求6所述的一种智能建筑设备管理监控方法，其特征在于，所述步骤S2，还包括：隐含层产生的拟合函数表示为：

，

其中， 表示m个输入数据经过神经网络变换后得到的第j个变换后的数据， ，， 表示向上取整，表示输入数据的维数， 表示第k个隐含层的输出， 表示第j个数据的参数矩阵， 表示第j个数据的神经元输出， 为激活函数， 为第j个数据的权重系数， 为偏置， 表示J个数据的总参数矩阵， 表示J个数据的输出和。

8.根据权利要求2所述的一种智能建筑设备管理监控方法，其特征在于，所述步骤S2，还包括：根据设备之间的数据交互和运行数据之间的影响确定设备之间的联动关系，确定建筑内每个设备对应的联动设备，根据设备运行数据的变化生成对联动设备的联动指令。