1.一种用于智慧能源管理平台的优化方法，其特征在于，包括：

通过LoRaWAN协议将各类能源设备连接到统一的智慧能源管理平台，利用IoT网关传输实时采集的设备运行参数；

对所述设备运行参数进行数据预处理后，提取关键特征，形成特征数据集；

所述特征数据集输入基于随机森林算法建立的分析模型中，进行关于设备能耗需求的分析；

所述分析模型进行关于设备能耗需求的分析过程，通过下式数学表达公式进行表示：其中，Edemand为设备能耗需求，T为时间区间的上限，Ii(t)为时间t时刻第i个设备的电流，Vi(t)为时间t时刻第i个设备的电压，Pi(t)为时间t时刻第i个设备的功率，α为功率相关的指数参数，λ为温度对能耗影响的指数衰减系数，Wi(t)为时间t时刻第i个设备的温度，κ为避免分母为零的平滑参数，Ej(t)为时间t时刻第j个设备的能耗，μ为能耗归一化的平滑参数，σ为湿度对能耗影响的归一化系数，Tj(t)为时间t时刻第j个设备的湿度，Hj(t)为时间t时刻第j个设备的运行状态，Fj(t)为时间t时刻第j个设备的故障状态，N为考虑的设备数量，M为能耗计算中考虑的设备数量；

将分析结果输入基于模糊控制算法建立的控制模型内，所述控制模型部署在所述智慧能源管理平台，通过动态调整设备的运行参数，优化系统性能；

所述分析结果为Edemand的输出值，Edemand的值域为非负实数，其中：当Edemand值为0时，表示设备没有能耗需求；

当Edemand值为正数时，表示设备的能耗需求随结果值增大而增加；

所述控制模型通过动态调整设备的运行参数进行优化的过程，通过下式数学表达公式进行表示：其中，ΔP(t)为时间t时设备功率的动态调整值，T为时间区间的上限，Edemand(i,t)为第i个设备在时间t时的能耗需求，Ii(t)为时间t时第i个设备的电流，Vi(t)为时间t时第i个设备的电压，Pi(t)为时间t时第i个设备的功率，λ为温度对能耗需求影响的指数衰减系数，Wi(t)为时间t时第i个设备的温度，κ为避免分母为零的平滑参数，Ej(t)为时间t时第j个设备的能耗，μ为能耗归一化的平滑参数，σ1为运行状态对能耗影响的归一化系数，Hj(t)为时间t时第j个设备的运行状态，Fj(t)为时间t时第j个设备的故障状态，N为考虑的设备数量，M为能耗计算中考虑的设备数量；

所述动态调整是根据动态调整值ΔP(t)的数值大小决定，所述动态调整值ΔP(t)的值域为实数集，代表时间t时设备功率的动态调整，其中：当ΔP(t)为0时，表示设备功率无需调整；

当ΔP(t)为正数时，表示设备需要增加功率；

当ΔP(t)为负数时，表示设备需要减少功率。

2.根据权利要求1所述的用于智慧能源管理平台的优化方法，其特征在于，所述设备运行参数至少包含电流、电压、功率、能耗、温度、湿度、运行状态和故障状态。

3.根据权利要求1或2所述的用于智慧能源管理平台的优化方法，其特征在于，对所述设备运行参数进行数据预处理后，提取关键特征，包括：通过对所述设备运行参数进行数据清洗和标准化处理，将其转换为统一的数值型数据；

通过统计分析方式，计算各个时间点的数据特征；

通过傅里叶变换，将时间域数据转换到频域，提取频谱特征；

汇总所述数据特征和所述频谱特征，即为关键特征；

利用独热编码对提取的所述关键特征进行编码，形成后续计算可处理的格式。

4.根据权利要求3所述的用于智慧能源管理平台的优化方法，其特征在于，将提取的所述关键特征汇总成一个特征矩阵，即形成特征数据集，其中：每行代表一个采集周期的数据，每列代表一个特征。