1.基于互联网的企业电力能源监测分析方法，其特征在于：包括以下步骤：S1、构建中央处理器，通过互联网与安装在用电设备内的传感器组建立通信连接，实时采集用电设备的运行数据，并将运行数据传输至中央处理器进行预处理，获取能耗数据组；

能耗数据组包括温度wd、电流I和电压V；

中央处理器对电流传感器和电压传感器周期性采集的实时电流I和电压V，通过传感器组标记的时间戳，提取相同时间戳采集的电流I和电压V，分别随采集的时间戳进行排序，形成电流I时间序列集Ix和电压V时间序列集Vx，其中，Ix={It，It+1，...，It+n}，Vx={Vt，Vt+1，...，Vt+n}；

S2、依据获取的能耗数据组计算获取瞬时功率Pt和功率因数Pft，并构建能耗偏离度公式和功率因数异常检测公式，再将获取的瞬时功率Pt和功率因数Pft分别导入公式，获取能耗偏离度指数NPt和功率因数异常指数ysy；

所述S2包括S21、S22和S23；

S21、中央处理器依据获取的能耗数据组，进行计算瞬时功率Pt，具体算法公式为：，式中，Pt表示t时刻的瞬时功率，cos表示余弦函数，θt表示电流与电压之间的相位角；

S22、通过汇总电流I、电压V和瞬时功率Pt，进行计算功率因数Pft，具体算法公式为：，式中，Pft表示t时刻的功率因数，再依据电流I和电压V的变化序列集Ix和Vx，导入瞬时功率Pt算法公式获取瞬时功率变化序列集Px={Pt，Pt+1，...，Pt+n}；

依据历史采集的瞬时功率Pt和功率因数Pft进行计算瞬时功率标准差 和功率因数标准差 ，具体算法公式为： ， ，式中，M表示历史数据点的数量，Pfi表示历史数据点中的第i个功率因数值， 表示历史功率因数的平均值；

，a表示防止分母为零的极小值常数，Py表

示正常运行时的额定功率， 表示功率值从t‑2时刻到t‑1时刻之间的变化量， 表示功率值从t‑1时刻到t时刻之间的变化量；

，Pfk表示第k个时间段的功率因数，Pfy表示正常运行

时的功率因数，N表示傅里叶变换的阶数，e表示指数函数，j表示虚数单位， 表示圆周率，取值小数点后两位，fk表示第k个时间段的频率成分，b表示时间信号的自变量；

S3、通过计算电流变化梯度 ，并与能耗偏离度指数NPt和功率因数异常指数ysy进行汇总计算，获取设备异常指数zyc，再与预设功率异常度阈值A进行初步功率异常评估；

， 表示两次电流采集的时间间隔；

，w1、w2和w3分别表示能耗偏离度指数NPt、功率

因数异常指数ysy和电流变化梯度 的权重系数，且w1+w2+w3=1，其具体数值由用户设定；

提取数据存储库中的半年内所有历史能耗数据组，通过S2和S3获取历史设备异常指数zyc，对历史数据进行统计分析，计算用电设备正常运行期间设备异常指数zyc的均值u和标准差c，结合电力消耗会存在波动因素，构建功率异常度阈值A，具体公式为： ，其中，z表示阈值距离均值的标准差倍数，再于获取的设备异常指数zyc进行初步功率异常评估，具体评估方案如下；

当设备异常指数zyc＞功率异常度阈值A时，设备存在用电浪费的异常行为，生成第一预警信息，并将设备标记为用电异常设备，触发深度调节；

当设备异常指数zyc≤功率异常度阈值A时，设备运行正常，保持正常监测；

S4、当初步功率异常评估为存在用电浪费时，通过强化学习算法构建调控公式，并将获取的设备异常指数zyc、设备温度wd、瞬时功率Pt和功率因数Pft导入调控公式，获取动态优化调控系数tjx；

S5、依据获取的设备异常指数zyc和动态优化调控系数tjx进行汇总计算，获取综合功率异常指数zgy，再与预设功率异常度阈值A进行深度功率异常评估。

2.根据权利要求1所述的基于互联网的企业电力能源监测分析方法，其特征在于：所述S1包括S11和S12；

S11、依据安装在用电设备内的传感器组，实时采集用电设备的运行数据，并标记采集时间戳，再构建中央处理器，通过互联网与传感器组建立通信连接，将采集的运行数据实时传输至中央处理器；

传感器组包括温度传感器、电流传感器和电压传感器；

S12、中央处理器实时接收运行数据，进行去噪、异常值检测和无量纲化处理后，获取能耗数据组，并构建数据存储库，将能耗数据组存储至数据存储库中。

3.根据权利要求1所述的基于互联网的企业电力能源监测分析方法，其特征在于：所述S23包括S231和S232；

S231、依据获取的瞬时功率Pt进行分析电力消耗指标，衡量实时功率与标准功率的差异，通过引入动态时间规整算法，结合瞬时功率时间序列Px，构建能耗偏离度公式，并将瞬时功率Pt导入能耗偏离度公式，获取能耗偏离度指数NPt；

S232、检测周期性和非周期性的波动，通过傅里叶变换提取功率因数信号中的周期性成分，并结合时域和频域特性进行捕捉功率因数在不同时间尺度下的异常波动，再通过多阶差分法进行构建功率因数异常检测公式，并将获取的功率因数Pft和功率因数标准差导入功率因数异常检测公式，获取功率因数异常指数ysy。

4.根据权利要求1所述的基于互联网的企业电力能源监测分析方法，其特征在于：所述S3包括S31、S32和S33；

S31、依据获取的电流时间序列集Ix，通过差分计算获取电流变化梯度 ；

S32、依据获取的能耗偏离度指数NPt、功率因数异常指数ysy和电流变化梯度 进行汇总计算，获取设备异常指数zyc，量化在不同因素下，对用电设备的异常状态进行分析。

5.根据权利要求1所述的基于互联网的企业电力能源监测分析方法，其特征在于：S4、当初步功率异常评估为存在用电浪费时，通过自回归滑动平均模型，分析功率异常随时间衰减的规律，生成时间衰减因子 ，具体公式为： ，再通过强化学习算法构建调控公式，并将获取的设备异常指数zyc、设备温度wd、瞬时功率Pt和功率因数Pft导入调控公式，获取动态优化调控系数tjx；

具体调控公式如下；

；

式中， 表示初始时间衰减因子，e表示指数函数，表示时间衰减常数，t表示t时刻，a表示防止分母为零的极小值常数，Py表示正常运行时的额定功率，wdt表示t时刻的温度，wdmax表示设备的最大安全工作温度，ɑ表示功率因数的调整系数， 表示功率因数从t‑1时刻到t时刻之间的变化量。

6.根据权利要求5所述的基于互联网的企业电力能源监测分析方法，其特征在于：所述S5包括S51和S52；

S51、依据获取的设备异常指数zyc和动态优化调控系数tjx进行汇总计算，获取综合功率异常指数zgy；

综合功率异常指数zgy通过以下公式计算获取；

；

式中，a表示防止分母为零的极小值常数，ln表示对数函数。

7.根据权利要求6所述的基于互联网的企业电力能源监测分析方法，其特征在于：S52、依据获取的综合功率异常指数zgy与预设功率异常度阈值A进行深度功率异常评估，分析调控后的功率异常状态，具体评估方案如下；

当综合功率异常指数zgy＞预设功率异常度阈值A时，调控后的设备仍存在用电浪费的异常行为，此时设备存在故障，生成第二预警信息，并通过互联网将第二预警信息传输至维护人员用户端，并设置提示音，提醒维护人员对设备进行维护和检查；

当综合功率异常指数zgy≤预设功率异常度阈值A时，调控后的设备运行正常，保持正常监测。

8.基于互联网的企业电力能源监测分析系统，包括权利要求1‑7任一项所述的基于互联网的企业电力能源监测分析方法，其特征在于：包括传感器采集模块、中央处理模块、异常分析模块、运行优化模块和综合异常评估模块；

所述传感器采集模块用于构建中央处理器，通过互联网与安装在用电设备内的传感器组建立通信连接，实时采集用电设备的运行数据，并将运行数据传输至中央处理器进行预处理，获取能耗数据组；

所述中央处理模块用于依据获取的能耗数据组计算获取瞬时功率Pt和功率因数Pft，并构建能耗偏离度公式和功率因数异常检测公式，再将获取的瞬时功率Pt和功率因数Pft分别导入公式，获取能耗偏离度指数NPt和功率因数异常指数ysy；

所述异常分析模块通过计算电流变化梯度 ，并与能耗偏离度指数NPt和功率因数异常指数ysy进行汇总计算，获取设备异常指数zyc，再与预设功率异常度阈值A进行初步功率异常评估；

所述运行优化模块用于在初步功率异常评估为存在用电浪费时，通过强化学习算法构建调控公式，并将获取的设备异常指数zyc、设备温度wd、瞬时功率Pt和功率因数Pft导入调控公式，获取动态优化调控系数tjx；

所述综合异常评估模块用于依据获取的设备异常指数zyc和动态优化调控系数tjx进行汇总计算，获取综合功率异常指数zgy，再与预设功率异常度阈值A进行深度功率异常评估。