1.一种自适应协同输电线路故障监测系统，其特征在于，包括：网络搭建模块(100)：用于基于若干种类型的传感器对输电线路搭建传感器网络；

采集传输模块(200)：用于基于传感器网络采集数据并进行传输；

采集传输模块(200)包括：

数据采集单元(210)：用于收集各个传感器所监测到的原始数据，并通过边缘设备将模拟信号转化为数字化监测数据；

数据传输单元(220)：用于通过若干种通信方式相结合的方式将采集到的数字化监测数据传输到后台控制中心；

分析处理模块(300)：用于接收数据通信模块传输的数据，并对数据进行预处理和故障诊断；

分析处理模块(300)包括：

数据预处理单元(310)：用于对接收到的数字化监测数据进行去噪和归一化预处理；

特征提取单元(320)：用于对预处理后的数据提取输电线路运行状态和环境条件；

故障诊断单元(330)：用于基于提取的输电线路运行状态，基于智能诊断算法对输电线路进行故障诊断，获得故障诊断结果和故障严重程度；

自适应协同控制模块(400)：用于基于自适应调整机制，根据输电线路实时的运行状态、环境条件、故障诊断结果和故障严重程度，动态控制传感器和不同功能模块之间的协同工作；所述自适应调整机制具体如下：定义智能体，将包含智能诊断算法的故障诊断单元(330)定义为智能体；

定义状态空间S，所述状态空间S中的状态向量s包括输电线路的运行状态、环境条件、故障诊断描述和故障严重程度；

定义动作空间A，动作空间A包含动作向量a＝{a11,Λ,a1u,Λ,a1U，a21,Λ,a2v,Λ,a2V，a31,Λ,a3k,Λ,a3L}；a1u对应采样频率比例系数调整动作；a2v对应传感器监测范围调整动作；a3k对应故障类型的计算资源和通信资源的调整动作；

定义奖励函数R(s,a)如下：

R(s,a)＝w1Raccuracy(s,a)+w2Renergy(s,a)+w3Rresponse(s,a)其中，w1，w2和w3为权重系数；Raccuracy(s,a)为故障诊断准确性奖励；Renergy(s,a)为能耗奖励；Rresponse(s,a)为故障响应及时性奖励；

其中，k1为准确性重要程度系数；pacc为采取动作a使下一次故障诊断准确率；pacc0为采取动作a前故障准确率；

其中，k2为能耗重要程度系数；E0为采取动作a前的能耗；E为采取动作a后的能耗；

其中，k3为及时性重要程度系数；td0为采取动作a前的故障首次检测时间；td为采取动作a后的故障首次检测时间；

使用Q学习算法学习最优策略，初始化Q值函数为一个表格，表格的行对应不同的环境状态，列对应不同的动作；

采用ε‑贪婪策略选择动作：

其中，ε为探索率； 为环境状态st下所有可能的动作中对应的Q值最大值；

智能体在系统中执行选定动作at，系统状态依线路运行物理规律、环境变化及动作影响转移到下一个状态st+1，同时依据奖励函数R(s,a)计算并反馈给智能体奖励值Rt；

基于Q学习算法更新公式，用新获取的经验(st,at,Rt,st+1)更新Q值：其中：Q'(st,at)为更新的Q值；Q(st,at)为环境状态st下采取动作at的Q值；α为学习率；

γ为折扣因子；a'为下一个环境状态st+1下所有可能的动作中的最优动作； 为下一个环境状态st+1下所有可能的动作中对应的Q值最大值，即从当前环境状态转移到下一个环境状态后，在所有可选的动作中获得的最大预期累计奖励；

重复更新Q值函数直至Q值收敛，获得对应的最佳Q值函数，当故障诊断单元(330)检测到输电线路存在故障时，智能体根据状态向量，使用最佳Q值函数从动作空间中选择并执行最优动作。

2.根据权利要求1所述的一种自适应协同输电线路故障监测系统，其特征在于，所述传感器网络由若干个电流传感器、电压传感器、温度传感器、湿度传感器、振动传感器、风速传感器、风向传感器、杆塔倾斜传感器和绝缘子泄露电流传感器组成。

3.根据权利要求1所述的一种自适应协同输电线路故障监测系统，其特征在于，所述特征提取单元(320)提取的输电线路的运行状态包括电流传感器采集的电流信号对应的幅值、峰值和周期；电压传感器采集的电压信号对应的幅值、峰值和周期；温度传感器采集的输电线路温度数据的温度变化趋势和温度变化梯度；振动传感器采集的输电线路振动信号的加速度、速度、位移、频率；杆塔倾斜传感器采集的杆塔横向倾斜角度和纵向倾斜角度，以及绝缘子泄露电流传感器采集的绝缘子泄漏电流；环境条件包括温度传感器采集的环境温度、湿度传感器采集的环境湿度、风速传感器采集的风速和风向传感器采集的风向角度。

4.根据权利要求3所述的一种自适应协同输电线路故障监测系统，其特征在于，所述智能诊断算法具体如下：对于每种运行状态定义模糊集F，并为每个模糊集F定义隶属函数μF(x)，所述隶属函数μF(x)具体如下：其中，x为模糊集F中的运行状态，x0和x1为隶属函数参数，当μF(x)≥A时，判定故障发生，其中，A为预设故障阈值；

将运行状态代入隶属函数，计算每个运行状态隶属于各个模糊集的隶属度，得到隶属度矩阵基于历史故障数据和专家经验构建由前提条件和故障结论组成的模糊规则库；

依据隶属度矩阵 判断模糊规则库中每条规则的前提条件是否被满足，即各模糊集的隶属度是否达到预设隶属度阈值；若满足，则触发模糊规则对应的故障结论；

确定被触发的每条规则Rk对应的故障子集Fk，并根据规则可信度ck和运行状态的隶属度计算基本概率分配函数mk；具体如下：对包含故障子集Fk的故障集合Θ中的其他故障子集分配相应的概率值，且故障集合Θ中的所有故障子集的概率值之和为1；

利用Dempster合成规则进行融合：

对于由基本概率分配函数构成的两个证据体ma和mb进行融合得到融合后的证据体mab，对于融合后的证据体mab对应的故障子集D的基本概率分配计算如下：其中， 是冲突系数，表示证据之间的冲突程度；D为融合后的证据体mab对应的故障子集；B为证据体ma对应的故障子集；C为证据体mb对应的故障子集；

经过若干次融合，得到融合后的综合证据体mfinal；

基于融合后所得到的综合证据体mfinal计算信任函数Bel(G)如下：其中，mfinal(H)为在融合后的证据体重，对于故障子集H的基本概率分配；

根据最大信任度准则，选择信任函数值最大的故障子集作为诊断结果：其中，Fdiagmosis为故障诊断结果；

确定故障诊断结果后，通过去模糊化操作，将故障诊断结果转换为故障诊断描述，并将故障诊断描述输入至自适应协同控制模块(400)。

5.根据权利要求4所述的一种自适应协同输电线路故障监测系统，其特征在于，所述故障诊断单元(330)中，还通过梯形隶属函数根据故障可信度进一步划分故障严重程度。