1.一种基于大数据的物联网远程感知监测系统，其特征在于：所述远程感知监测系统包括感知层、网络层、数据层以及应用层；

所述感知层设置有数据采集模块，所述数据采集模块中设置有不同类型的传感器，所述数据采集模块获取不同类型的传感器能量损耗，将不同类型的传感器能量损耗标记为A类，将不同类型的传感器采集到的数据标记为B类；

所述网络层设置有数据清洗模块、传输监测模块以及数据加密模块，所述数据清洗模块用于对B类数据进行清洗，所述数据加密模块采用AES算法对清洗后的B类数据进行加密处理，然后将加密处理后的B类数据传输至数据层，所述传输监测模块用于加密处理后B类数据的监测以及感知层中被标记为A类数据的传输；

所述数据层设置有数据提取模块、本地存储模块以及云端存储模块，所述云端存储模块根据不同类型的传感器建立多种类型的存储区域，将B类数据传输至云端存储模块中，并根据相应的存储区域对B类数据存储，所述本地存储模块在接收到A类数据后进行存储，所述数据提取模块提取B类数据中特征数据；

所述应用层设置有数据处理模块以及能量管理模块，所述数据处理模块用于分析与预测B类数据的发展状态，所述能量管理模块用于管理A类数据，所述数据处理模块采用数字孪生技术对B类数据进行分析以及预测；

所述能量管理模块中设置有能量损耗数据库、能量优化单元以及动态调整单元，所述能量损耗数据库用于存储不同类型的传感器节点的历史能量损耗数据以及A类数据，其中所述A类数据进一步包括与能量损耗数据相关联的传感器类型、工作频率以及环境参数的数据，所述能量优化单元通过能量损耗数据库构建能量损耗模型，所述动态调整单元根据能量损耗模型调整不同类型的传感器的能量损耗；

所述能量优化单元通过公式表达能量损耗，具体公式如下：

；

其中， 表示第 个传感器的能量损耗， 表示工作频率的平方项，反映非线性能量损耗， 表示第 个传感器的工作频率， 表示第 个传感器的环境温度， 表示第 个传感器工作频率与环境温度的交互项，反映二者共同作用对能量损耗的影响， 表示第 个传感器的能量损耗常数， 、 以及 分别表示历史数据拟合得出的工作频率以及环境温度的权重系数，进而优化不同类型的传感器能量损耗；

所述感知层的数据准确度 与工作频率 成正比，引入以下关系式：

；

其中，表示比例系数，表示为常数，并将能量损耗模型带入所述动态调整单元通过公式生成传感器频率优化策略，具体公式如下：；

其中， 表示第 个传感器的能量损耗函数，其表达式为：

；

通过调整传感器工作频率 ，使得所有传感器的总能量损耗 最小化，其中，表示第 个传感器工作频率的优化策略， 表示使目标函数取最小值时的变量值，进而动态调整单元实时调整不同传感器的工作频率；

约束条件为：

；

其中， 表示数据准确度的下限阈值，表示第 个传感器的数据准确度。

2.根据权利要求1所述的一种基于大数据的物联网远程感知监测系统，其特征在于：所述数据处理模块对B类数据进行分析，获取不同传感器对B类数据采集的准确度，将B类数据以及不同传感器的准确度数据传输至能量管理模块中，进而能量管理模块针对B类数据的准确度调整不同传感器的工作状态数据。

3.根据权利要求2所述的一种基于大数据的物联网远程感知监测系统，其特征在于：所述数据处理模块中设置有预测模型，所述预测模型调取历史B类数据，且预测模型根据不同类型的B类数据历史走向分析未来24小时预测数据，所述预测模型采用4h+8h+12h三级递进预测，每级预测均建立在前级结果之上：第1级：0‑4h预测为高精度短期；

第2级：4‑12h预测为基于4h结果的8h延伸；

第3级：12‑24h预测为基于12h结果的12h延伸；

所述预测模型通过公式获取B类数据历史走向在未来24h的结果数据，具体公式如下：；

；

其中， 表示预测模型对B类数据12小时的结果数据， 表示预测模型基于第1级基础上的预测结果数据， 表示预测模型直接预测的12小时的结果数据， 表示预测模型对B类数据24小时的结果数据， 表示预测模型基于第2级基础上的预测结果数据，表示预测模型直接预测的24小时的结果数据，和 分别表示动态权重系数。

4.根据权利要求3所述的一种基于大数据的物联网远程感知监测系统，其特征在于：所述数据采集模块中设置备用传感单元，所述备用传感单元用于临时获取B类数据，所述能量管理模块中设置能量损耗阈值，当传输监测模块监测到传感器出现异常以及 能量损耗阈值时，则数据采集模块切换至备用传感单元获取B类数据。

5.根据权利要求4所述的一种基于大数据的物联网远程感知监测系统，其特征在于：所述应用层中设置预警单元，所述预警单元用于获取数据处理模块以及能量管理模块中的数据，并当数据处理模块以及能量管理模块出现异常数据时进行预警处理。

6.一种适用于权利要求1‑5任一项所述的一种基于大数据的物联网远程感知监测系统的远程感知监测方法，其特征在于，具体步骤如下：S1、构建多个不同类型的传感器采集目标对象的感知数据，然后将关于传感器本身数据标记为A类数据，将传感器采集到的数据标记B类数据；

S2、然后网络层针对B类数据进行清洗以及分类传输，进而对B类数据以及A类数据进行分类传输，对B类数据进行加密存储；

S3、在接收到A类数据和B类数据后，针对B类数据进行特征提取，并将A类数据和B类数据进行分类存储；

S4、构建能量损耗数据库，所述数据库记录各传感器节点的历史能量损耗数据，并与不同类型的传感器、工作频率以及环境参数关联，进而调整不同类型的传感器之间的能量损耗，进而优化整体监测系统的能量损耗。