1.基于大数据设备电量数据采集分析方法，其特征在于，包括的步骤有：

通过设备的硬件端口采集设备最新一次的电量剩余数据、工作能耗功率数据、预期的功率数据并存储划分为第一类数据；

通过大数据端口采集设备当前所在区域的温度数据、风速数据、湿度数据并存储划分为第二类数据；

通过设备的硬件端口或历史数据的存储端口采集设备历史的工作时间数据、历史的工作能耗功率变化数据并存储划分为第三类数据；

通过第一类数据建立设备的剩余电量随时间变化的主预估函数f1，通过第二类数据和第三类数据建立外部因素对主预估函数f1的改变量影响作用大小的影响函数T1‑T5；

分别为影响函数T1‑T5分配对主预估函数f1的改变量影响作用的权值P1‑P5；并且形成综合的判别模型；

然后基于综合的判别模型学习影响函数T1‑T5中源数据对主预估函数f1的改变量影响作用特征值，通过学习得到的影响函数T1‑T5中源数据对主预估函数f1的改变量影响作用特征值反馈地修改权值P1‑P5，直到获取到成熟的综合的判别模型；

以成熟的综合的判别模型输入在设备的硬件端口采集的设备最新一次的电量剩余数据、工作能耗功率数据、预期的功率数据并得到设备的剩余电量随时间变化的精准预估数据；所述综合的判别模型具体为：其中的t1为影响函数T1的自变量表征温度数值，其中的t2为影响函数T2的自变量表征风速数值，其中的t3为影响函数T3的自变量表征湿度数值，其中的t4为影响函数T4的自变量表征历史的工作时间数值，其中的t5为影响函数T5的自变量表征历史的工作能耗功率变化数值，t1‑t5均大于0，Q1‑Q5均为常数，且Q1‑Q5均为自然数，用来表征计算的精准度，P1‑P5分别为影响函数T1‑T5对主预估函数f1的改变量影响作用的权值，e为自然常数，b为0到1之间的控制参数，f1即主预估函数；综合的判别模型能够输入第一类数据、第二类数据、第三类数据，能够输出与主预估函数相同量纲的输出量，即能够输出得到设备的剩余电量随时间变化的精准预估数据。

2.根据权利要求1所述的基于大数据设备电量数据采集分析方法，其特征在于，所述通过第二类数据和第三类数据建立外部因素对主预估函数f1的改变量影响作用大小的影响函数T1‑T5中具体包括建立温度对主预估函数f1的改变量影响作用大小的影响函数T1。

3.根据权利要求1所述的基于大数据设备电量数据采集分析方法，其特征在于，所述通过第二类数据和第三类数据建立外部因素对主预估函数f1的改变量影响作用大小的影响函数T1‑T5中具体包括建立风速对主预估函数f1的改变量影响作用大小的影响函数T2。

4.根据权利要求1所述的基于大数据设备电量数据采集分析方法，其特征在于，所述通过第二类数据和第三类数据建立外部因素对主预估函数f1的改变量影响作用大小的影响函数T1‑T5中具体包括建立湿度对主预估函数f1的改变量影响作用大小的影响函数T3。

5.根据权利要求1所述的基于大数据设备电量数据采集分析方法，其特征在于，所述通过第二类数据和第三类数据建立外部因素对主预估函数f1的改变量影响作用大小的影响函数T1‑T5中具体包括建立历史的工作时间对主预估函数f1的改变量影响作用大小的影响函数T4。

6.根据权利要求1所述的基于大数据设备电量数据采集分析方法，其特征在于，所述通过第二类数据和第三类数据建立外部因素对主预估函数f1的改变量影响作用大小的影响函数T1‑T5中具体包括建立历史的工作能耗功率变化对主预估函数f1的改变量影响作用大小的影响函数T5。