1.基于物联网的电网信息传输方法，其特征在于，该方法包括以下步骤：

获取物联网的所有电网信息，采用模数转换和星座图映射将电网信息转换为多个符号，采用正交频分复用技术将传输信道划分为多个子载波，将符号经子载波传输并在其接收端得到的符号，记为数据符号，基于各子载波接收的所有数据符号，对神经网络训练，获取各子载波接收每个数据符号时神经网络中各神经元的优化权值和优化学习率，所述训练的过程如下：各子载波对应一个神经网络，各子载波每接收一个数据符号，其神经网络进行一次训练，一个预设训练时段对应一个数据符号，在各训练时段内，所有神经元的初始权值和初始学习率分别为前一训练时段结束时刻的优化权值和优化学习率，根据各神经元的初始权值及其与数据符号的距离，确定每个训练时段内各神经元的竞争距离，并基于所述竞争距离获得每个训练时段内的获胜和非获胜神经元；

在每个训练时段内，将各神经元的初始学习率作为数据符号与其共轭差异的加权值，并将加权结果与对应神经元的初始权值融合得到各神经网络每个训练时段内各神经元的优化权值；

基于每个训练时段内的数据符号及获胜神经元的优化权值，确定各子载波接收每个数据符号时的信道干扰度，并结合所述初始学习率，确定各神经网络每个训练时段内获胜神经元的优化学习率；基于每个训练时段内所有神经元的竞争距离及各非获胜神经元的初始学习率，确定各神经网络每个训练时段内各非获胜神经元的优化学习率；

基于每个训练时段内所有神经元的优化权值，确定各子载波接收每个数据符号时的信道增益估计值，对电网信息进行传输；

所述每个训练时段内各神经元的竞争距离为每个训练时段内各神经元的初始权值的模值与所述距离的乘积；

所述各神经网络每个训练时段内的获胜和非获胜神经元的确定方法为：

将各神经网络每个时段内竞争距离最小的神经元，作为获胜神经元，其余神经元为非获胜神经元；

所述各神经网络每个训练时段内各神经元的优化权值的表达式为：

；式中， 表示神经网络w

第k个训练时段内神经元n的优化权值； 表示神经网络w第k个训练时段内神经元n的初始权值； 表示神经网络w第k个训练时段内获胜神经元的初始学习率； 表示神经网络w第k个训练时段内非获胜神经元n的初始学习率； 、 分别表示神经网络w第k个训练时段内的数据符号和数据符号的共轭；

所述各子载波接收每个数据符号时的信道干扰度为各子载波接收的每个数据符号与其所在训练时段内获胜神经元的优化权值的比值取模值；

所述各神经网络每个训练时段内获胜神经元的优化学习率为各神经网络每个训练时段内获胜神经元的初始学习率与数据符号的信道干扰度的乘积；

所述各神经网络每个训练时段内各非获胜神经元的优化学习率的确定方法为：

分析各神经网络每个训练时段内各非获胜神经元的竞争距离与获胜神经元的竞争距离的比值，各神经网络每个训练时段内各非获胜神经元的优化学习率为各神经网络每个训练时段内各非获胜神经元的初始学习率与所述比值的乘积。

2.如权利要求1所述的基于物联网的电网信息传输方法，其特征在于，所述各子载波接收每个数据符号时的信道增益估计值的表达式为： ；式中， 表示第s个子载波接收数据符号m时的信道增益估计值； 表示第s个子载波接收的数据符号m所在训练时段内神经元n的优化权值；j表示虚数单位； 表示第s个子载波的神经网络中所有神经元的数量。

3.如权利要求2所述的基于物联网的电网信息传输方法，其特征在于，所述对电网信息进行传输，包括：第s个子载波接收的数据符号m的均衡值 的表达式为： ；式中， 表示第s个子载波接收的数据符号m；

对所有子载波接收的每个数据符号的均衡值进行解调，得到数字信号，并将所有数字信号通过数模转换，得到传输后的电网信息。

4.基于物联网的电网信息传输系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑3任意一项所述基于物联网的电网信息传输方法的步骤。