近年来,无线传感器网络技术飞速发展,已经被广泛应用于各个领域,尤其为火山、海洋等恶劣环境下的数据监测提供了可能。由于这些区域特殊的地理环境不适合安装长期固定的基站,节点收集的数据必须先保存到自己的存储空间中。一段时间后,数据收集频率较高的节点很容易因为收集到了较多的数据导致数据存储溢出问题,这会严重影响传感器网络的正常工作。数据存储溢出分为部分和整体数据存储溢出两种情况。部分数据存储溢出是指溢出数据的总量小于或等于传感器网络可用的存储空间大小,整体数据存储溢出则与之相反。目前关于数据存储溢出问题的研究相对较少,且关注点仅集中在整个网络的总能耗,忽略了单个节点的剩余能量,很容易因为某个节点的能耗较高而导致该节点死亡。因此本课题主要研究在部分和整体数据存储溢出情况下如何最大化传感器节点最小剩余能量的问题。对于部分数据存储溢出问题,本文提出了基于数据重分布的解决方案,并证明了最大化数据节点最小剩余能量的数据重分布问题为NP-hard。数据重分布就是将溢出的数据重新分布到尚有存储空间的节点上。基于重分布的解决方案,本文提出了基于最大流的数据重分布算法,该算法能够最优的解决部分数据存储溢出问题,但其时间复杂度相对较高。为了满足传感器网络的实际应用的需求,本文又提出了基于BFS的数据重分布算法。基于BFS的重分布算法时间复杂度低且能够有效的平衡节点之间的能耗。对于整体数据存储溢出问题,本文提出了基于数据融合的解决方案。数据融合可以消除溢出数据之间的冗余数据,从而使整体数据存储溢出问题转化为部分数据存储溢出问题,进而采用数据重分布方法加以解决。基于数据融合的解决方案,本文给出了度限制的数据融合算法,该算法在节点总能耗以及最大化节点最小剩余能量方面优于目前已有的算法。为了进一步提高算法性能,本文提出了基于数据转存的解决方案和数据转存算法,数据转存算法将数据融合和重分布的过程相结合,在数据融合过程中完成部分溢出数据的存储,从而能够进一步减少节点的能耗,延长传感器网络的生命周期。