杆塔是输电线路体系中的关键组成部分,其稳定可靠性是整个输电线路运行安全的重要保障。相比于传统巡检和有线监测技术,采用无线传感器网络(WSN)的输电线路状态监测技术具有易于安装和维护、成本低和实时性强等优点,是未来智能电网监测技术的发展趋势。射频识别(RFID)和WSN技术是物联网前端两大关键技术。相比于现有的WSN监测技术,基于RFID与WSN融合网络(RFSN)的输电线路杆塔状态监测技术具有故障快速定位、设备全寿命周期管理和无源长期监测的优点。本论文分别从融合网络的物理层和网络层角度出发,研究了基于RFSN的输电杆塔状态监测融合关键技术问题,主要包含以下三方面:RFID传感标签是RFSN网络融合的关键,而低功耗集成传感器设计又是RFID标签与传感器融合设计的关键。提出一种基于锁相环的传感器接口电路结构,将传感器信号转移到频率域进行处理,具有结构简单、工作电压低和易于集成的优点;提出一种基于利用顶层金属层制作叉指电极的湿度传感器制造方法,制作工序与标准互补金属氧化物(CMOS)工艺兼容,无需任何后处理工艺,制造成本低;提出一种基于锁相环接口电路的集成温度传感器,将温度传感器信息转移到频率域处理,具有占用面积小,功耗低的特点。提出一种低功耗无源RFID传感标签结构,传感器数据融合采用嵌入标签ID信息方案,能有效避免传感器数据写入非挥发性存储器所导致的高功耗以及时间延迟;提出一种采用双天线能量获取的标签电源管理设计方案,有利于增强无源传感标签的能量获取能力;整流电路采用单级AC-DC电路接低压DC-DC电荷泵,相比于传统的多级AC-DC整流电路具有更低的灵敏度;针对长距离应用场合,提,出一种太阳能取能RFID传感标签结构。测试结果表明,本文设计的RFID传感标签相比于国内外现有方案,具备更长的工作距离和更强的传感器携带能力,能有效完成杆塔塔基混凝土和杆塔振动状态监测。提出一种基于RFSN的输电线路杆塔状态在线监测网络架构,共包含RFID传感标签-阅读器与ZigBee融合节点、传感节点-中继节点、中继节点-变电站(基站)和变电站(基站)-控制中心四个通信层;中继节点设置是融合监测网络性能研究的关键,因此建立了中继节点传输延时和成本模型,有利于监测网络在不同条件下获得传输延时和成本的平衡:针对RFID冗余数据,提出一种适用于输电线路杆塔状态监测RFSN网络的数据清洗算法,能有效削减阅读器端采集的冗余数据,算法简单、实时性强;提出一种基于深度学习的杆塔外破振动识别方案,采用深度学习算法中的卷积神经网络(CNN)进行输电杆塔振动信号的深层特征提取,并训练相关向量机(RVM)分类器,得到输电杆塔振动模式识别模型,不仅有利于减少融合监测网络传输数据量,而且所提出的识别模型具有高精度和高效率的特点。