1.一种基于深度学习算法的高压电路线路状态监测方法，其特征在于，该方法包括以下步骤：获取线路数据采集指令，根据所述线路数据采集指令接收高压线路各个节点位置输出的节点线路数据；

接收来自监测中心发出线路数据采集指令，将所述线路数据采集指令发送至高压线路各个节点位置传感器；

获取所述线路数据采集指令中的时域信息，根据所述时域信息获取所述传感器收集到的初始线路数据；

获取所述初始线路数据中的数据序列，并将所述数据序列拆分为整数数据和浮点数据，对所述整数数据进行行程编码，得到变量数据和重复数据；

对所述浮点数据、变量数据和重复数据进行整理，得到节点线路数据，并输出所述节点线路数据；

对所述节点线路数据进行数据清洗处理，得到监测指标数据，对所述监测指标数据进行数据降维处理，得到训练集和测试集；

接收所述节点线路数据，根据高压线路上的节点位置对所述节点线路数据进行标注，得到节点标注数据；

对所述节点标注数据进行归一化处理，得到第一处理数据，并确定所述第一处理数据中的特征数据；

根据所述特征数据通过协方差矩阵对所述第一处理数据进行冗余度处理，得到第二处理数据，其中所述协方差矩阵由所述特征数据和协方差系数构成；

对所述第二处理数据进行方差筛选处理，得到监测指标数据；

获取所述监测指标数据，生成第一监测数据集，并标记所述第一监测数据集中多个样本点；

对所述第一监测数据集中多个样本点做去中心化处理，循环遍历所述样本点，确定所述样本点的线性表示；

对所述样本点进行重构，得到重构系数，并根据所述重构系数建立样本矩阵，确定所述样本矩阵的特征值特征向量，按从大到小顺序取预设数量的特征向量组成特征矩阵；

根据所述特征矩阵，得到降维后的第二监测数据集，并将所述第二监测数据集按照一定比例划分为训练集和测试集；

采用自适应粒子群算法对神经网络模型进行参数优化，并将所述训练集输入优化后的神经网络模型中进行训练，得到状态监测模型；

从训练集中随机选择训练数据，基于训练数据构建多个元学习任务；

将多个元学习任务输入优化后的神经网络模型中，并分类更新优化后的神经网络模型的损失函数，得到第一损失函数；

获取目标域和训练集中的源域，将目标域输入优化后的神经网络模型中，计算目标域和源域的最大均值差异，并更新优化后的神经网络模型的损失函数，得到第二损失函数，其中目标域为正常状态下的高压线路数据；

将第一损失函数和第二损失函数收敛时的模型作为状态监测模型；

利用所述状态监测模型对所述测试集进行检测，得到线路状态监测结果；

当所述线路状态检测结果中存在异常状态时，生成异常状态信息，并输出所述异常状态信息。

2.如权利要求1所述的一种基于深度学习算法的高压电路线路状态监测方法，其特征在于，所述监测中心与传感器之间形成节点网络，所述传感器按照预设间距分布于所述高压线路上。

3.如权利要求1所述的一种基于深度学习算法的高压电路线路状态监测方法，其特征在于，所述采用自适应粒子群算法对神经网络模型进行参数优化，包括：对自适应粒子群算法进行参数初始化，设置迭代次数和初始位置速度；

计算每个粒子的适应值，基于所述每个粒子的适应值对参数进行更新，得到最优解参数集合；

采用所述最优解参数集合对神经网络模型进行参数优化。

4.如权利要求3所述的一种基于深度学习算法的高压电路线路状态监测方法，其特征在于，所述计算每个粒子的适应值，基于所述每个粒子的适应值对参数进行更新，得到最优解参数集合，包括：获取每个粒子的初始最优解和群体初始最优解，根据所述每个粒子的初始最优解和群体初始最优解更新得到每个粒子的当前最优解和群体当前最优解；

根据所述每个粒子的当前最优解和所述群体当前最优解更新所述初始位置速度，得到当前位置速度；

获取自适应动态惯性因子，并根据所述每个粒子的适应值更新惯性因子；

根据所述每个粒子的适应值更新变异概率，并判断是否自适应粒子群算法是否达到结束条件，若是，则输出参数组合，若否，则重新计算每个粒子的适应值，并更新所述迭代次数；

根据所述每个粒子的当前最优解、群体当前最优解、当前位置速度、惯性因子和变异概率，得到最优解参数集合。

5.如权利要求4所述的一种基于深度学习算法的高压电路线路状态监测方法，其特征在于，所述获取每个粒子的初始最优解和群体初始最优解，根据所述每个粒子的初始最优解和群体初始最优解更新得到每个粒子的当前最优解和群体当前最优解，包括：将所述每个粒子的适应值与所述每个粒子的初始最优解进行比较，得到第一比较结果，根据所述第一比较结果更新所述每个粒子的初始最优解，得到每个粒子的当前最优解；

将所述每个粒子的适应值与所述群体初始最优解进行比较，得到第二比较结果，根据所述第二比较结果更新所述群体初始最优解，得到群体当前最优解。

6.如权利要求1所述的一种基于深度学习算法的高压电路线路状态监测方法，其特征在于，所述当所述线路状态检测结果中存在异常状态时，生成异常状态信息，并输出所述异常状态信息，包括：从所述线路状态检测结果中获取异常电流数值，通过比较所述异常电流数值和正常状态下的正常电流数据，得到电流异常分量；

基于所述电流异常分量判断异常区间，在所述异常区间内发出测量指令，并根据所述测量指令测量行波波速，进行异常定位，得到异常状态信息，并输出所述异常状态信息其中所述异常状态信息包括异常类型和异常定位结果。