1.一种PEM‑ORC柔性结合智能发电系统，其特征在于，包括：质子交换膜燃料电池，利用氢气和氧气发电，并为ORC系统供电；

ORC系统，利用低品位废热发电，所述低品位废热包括质子交换膜燃料电池发电过程中产生的热废水和热水蒸气，通过ORC系统中的热交换器实现余热回收；

参数反馈装置，用于采集质子交换膜燃料电池的内部环境数据，并发送至中央控制器；

中央控制器，根据质子交换膜燃料电池的内部环境数据，通过系统发电效率预测模型计算预期的系统发电效率，再以达到预期的系统发电效率为目标计算质子交换膜燃料电池的工作参数最优值，将工作参数最优值发送至环境控制器；

环境控制器，根据工作参数最优值来控制加热器和加湿器动作，实现工作环境温度和阴极湿度的调节；

所述系统发电效率预测模型，是采用线性回归模型，根据历史的内部环境数据和系统发电效率进行建模，包括以下步骤：步骤1，获取质子交换膜燃料电池的内部环境历史数据，以及对应的系统发电效率数据；

步骤2，数据预处理；

步骤3，选择与系统发电效率相关的特征变量作为模型的自变量；

步骤4，建立线性回归模型，公式为：

y＝a+b1x1+b2x2+bnxn

其中y代表系统发电效率，x1,x2,...xn代表选取的各特征变量，a和bi(i＝1,2,...,n)代表线性回归模型中的系数；

步骤5，根据内部环境历史数据，以及对应的系统发电效率数据，通过拟合求解线性回归模型中的系数，得到系统发电效率预测模型。

2.根据权利要求1所述的PEM‑ORC柔性结合智能发电系统，其特征在于：计算质子交换膜燃料电池的工作参数最优值，采用梯度下降的鲸鱼智能优化算法进行最优值搜索。

3.根据权利要求1所述的PEM‑ORC柔性结合智能发电系统，其特征在于，所述质子交换膜燃料电池的内部环境数据包括质子交换膜燃料电池的工作环境温度和阴极湿度。

4.一种应用于权利要求1所述的PEM‑ORC柔性结合智能发电系统的发电控制方法，其特征在于：根据质子交换膜燃料电池的内部环境数据，通过系统发电效率预测模型计算预期的系统发电效率，再以达到预期的系统发电效率为目标计算质子交换膜燃料电池的工作参数最优值，根据工作参数最优值控制质子交换膜燃料电池发电。

5.根据权利要求4所述的发电控制方法，其特征在于：所述系统发电效率预测模型，是采用线性回归模型，根据历史的内部环境数据和系统发电效率进行建模，包括以下步骤：步骤1，获取质子交换膜燃料电池的内部环境历史数据，以及对应的系统发电效率数据；

步骤2，数据预处理；

步骤3，选择与系统发电效率相关的特征变量作为模型的自变量；

步骤4，建立线性回归模型，公式为：

y＝a+b1x1+b2x2+bnxn

其中y代表系统发电效率，x1,x2,...xn代表选取的各特征变量，a和bi(i＝1,2,...,n)代表线性回归模型中的系数；

步骤5，根据内部环境历史数据，以及对应的系统发电效率数据，通过拟合求解线性回归模型中的系数，得到系统发电效率预测模型。

6.根据权利要求5所述的发电控制方法，其特征在于：通过最小二乘法求解线性回归模型中的系数。

7.根据权利要求4所述的发电控制方法，其特征在于：计算质子交换膜燃料电池的工作参数最优值，采用梯度下降的鲸鱼智能优化算法进行最优值搜索；

梯度下降的鲸鱼智能优化算法中，位置迭代公式为：

其中，γ为学习率，xk+1为第k+1时刻的鲸鱼位置，xk为K时刻鲸鱼位置，分别代表设备下一时刻和当前时刻的设备参数值；f(·)为位置更新的迭代函数。

8.根据权利要求7所述的发电控制方法，其特征在于：梯度下降的鲸鱼智能优化算法中，目标函数为：η为系统发电效率预测模型输出的系统发电效率预期值，h0和S0为燃料电池工作时的初始温度和湿度值，S和h分别为某时刻的湿度和温度；t和T分别为加热器和加湿器工作运行的时间，fr和fs分别为加热器和加湿器的工作总功耗，pr和ps为加热器和加湿器的额定功率，α和β分别为加热器和加湿器的工作系数；fd为电池自身发电总电量，τ为燃料电池工作时间；x0和x为起始时刻和工作截止时刻；pf为电池发电的功率。

9.根据权利要求7所述的发电控制方法，其特征在于：通过梯度下降的鲸鱼智能优化算法进行最优值搜索包括以下步骤：(2.1)初始化参数；

(2.2)计算每条鲸鱼的适应度对应于计算某时刻系统当前能够达到的最接近系统发电效率预期值所对应的电池工作参数预计值，找到当前最优鲸鱼的位置并保留，然后进入搜索猎物阶段；

(2.3)包围目标阶段，鲸鱼位置更新的计算式为：

其中， 表示第t+1次迭代时第i个个体的位置， 是搜索至第t代时种群内取得全局最优解的鲸鱼个体位置， 表示第t次迭代时第i个个体的位置；D1表示包围步长，A和C为系数向量；

(2.4)气泡网攻击，鲸鱼位置更新的计算式为：

其中，D2表示鲸鱼到猎物之间的距离，b是控制对数螺旋形状的常数，l是[‑1,1]上的一个随机数；

(2.5)再次进入搜索猎物阶段，鲸鱼从当前种群中随机选择一个个体为目标进行位置更新，与步骤(2.4)的位置择优保留，目的是增加搜索范围；鲸鱼位置更新的计算式为：其中， 是从当前种群中随机选择的一个个体的位置；

(2.6)捕食阶段，鲸鱼位置更新的计算式取决于p，p是[0,1]之间的随机数，p≥W时采用步骤(2.4)中的计算式进行位置更新，p

(2.7)重复步骤(2.3)‑(2.6)，当达到预设终止条件时，输出最优解。