1.基于物联网的互感器管理方法，其特征在于，其包括如下方法步骤：S1、获取互感器的动态状态数据和动态运行环境数据，以及互感器的静态状态数据和静态运行环境数据；其中，所述静态运行环境数据为互感器异常状态下采集的各环境类型所对应的数据；

S2、基于静态状态数据建立逻辑回归模型，同时利用线性回归算法计算出静态运行环境数据中各环境类型所对应的权重，并按照权重由大到小的顺序对各环境类型进行排序，得到序列表；

S3、所述逻辑回归模型通过动态状态数据的输入，对互感器的状态进行预测，其中：若预测结果为正常时，则向管理员发送当前互感器状态为正常的通知；

若预测结果为异常时，则进行S4；

其中，所述序列表中所有环境类型均删除后，且预测结果还为异常时，则向管理员发送动态运行环境数据未影响当前互感器的通知；

S4、对所述动态运行环境数据中对应S2中序列表的首位环境类型进行调整，且每一次调整完成后将该环境类型从序列表中删除，并返回S3对互感器的状态进行重新预测；

所述S1中动态状态数据包括电流、电压和互感器温度；动态运行环境数据包括湿度、环境温度和震动强度；静态状态数据包括动态状态数据的特征以及对应互感器的异常状态；

静态运行环境数据是互感器为异常状态时的数据，包括湿度、环境温度和震动强度；

所述S2中基于静态状态数据建立逻辑回归模型，具体包括：

通过将静态状态数据中互感器的异常状态转换为数值类型，1表示异常，0表示正常，并将其作为标签；

标签在逻辑回归模型训练过程中用来指导损失函数的优化方向，逻辑回归模型通过学习输入数据与输出标签之间的关系，来确定逻辑回归模型参数；

通过最小化损失函数来最小化模型预测值与实际标签之间的差异，以此建立逻辑回归模型；

所述S2利用线性回归算法计算出静态运行环境数据中各环境类型所对应的权重，具体包括：根据线性回归算法的数学公式，采用最小二乘法，通过最小化实际观测值与线性回归算法预测值之间的差距来求解模型参数；

使得线性回归模型预测值与实际观测值之间的残差平方和达到最小，找到最优的参数值；

最优的参数值为静态运行环境数据中各环境类型所对应的权重，并按照权重由大到小的顺序对各环境类型进行排序，得到序列表；

所述逻辑回归模型通过定义假设函数、定义代价函数和参数优化，具体包括：通过初始化模型参数，包括权重向量和偏置项，定义模型的假设函数；

假设函数通过将输入特征与参数进行线性组合，并加上偏置项后，使用Sigmoid函数映射这个值到0和1之间的概率值；

定义模型的代价函数，基于交叉熵的损失函数，用于衡量模型预测结果与实际标签之间的差异；

通过最小化代价函数来调整参数值，参数的优化借助随机梯度下降算法，通过计算代价函数对各参数的偏导，并更新参数值。

2.根据权利要求1所述的基于物联网的互感器管理方法，其特征在于，所述线性回归算法的数学公式为Y=β0+β1X1+β2X2+β3X3...+βnXn，并将线性回归算法中的标签Y设定为1；自变量X包含了各环境类型所对应的数据，β1,β2,β3...βn为各环境类型数据所对应的权重，β

0为截距。

3.一种基于物联网的互感器管理系统，用于权利要求1‑2任意一项所述的基于物联网的互感器管理方法，其特征在于，所属基于物联网的互感器管理系统包括数据收集模块（100）、互感器状态分析模块（200）、环境影响分析模块（300）和决策与调整模块（400），其中：所述数据收集模块（100）用于获取互感器的动态状态数据和动态运行环境数据，以及互感器的静态状态数据和静态运行环境数据；其中，所述静态运行环境数据为互感器异常状态下采集的数据所述互感器状态分析模块（200）基于静态状态数据建立逻辑回归模型；同时，所述环境影响分析模块（300）利用线性回归算法计算出静态运行环境数据中各环境类型所对应的权重，并按照权重由大到小的顺序对各环境类型进行排序，得到序列表；

所述决策与调整模块（400）用于向管理员发送通知，同时用于动态运行环境数据中的环境类型进行调整；

其中，所述逻辑回归模型用于通过动态状态数据的输入，对互感器的状态进行预测，若预测结果为正常时，则所述决策与调整模块（400）向管理员发送当前互感器状态为正常的通知；若预测结果为异常时，所述决策与调整模块（400）对动态运行环境数据中对应序列表的首位环境类型进行调整，且每一次调整完成后将该环境类型从序列表中删除，并利用逻辑回归模型对互感器的状态进行重新预测；

其中，所述序列表中所有环境类型均删除后，且预测结果还为异常时，则所述决策与调整模块（400）向管理员发送动态运行环境数据未影响当前互感器的通知。