无线传感器网络的特点是造价低廉、能耗低、扩展能力强。应用在输电线路监测上,可以做到无需人工干预,降低系统建设以及运营成本。无线传感器网络在输电线路状态监测的应用场景中,需要网络有一定的生存时间。但是传感器节点所携带的电池能够提供的能量十分有限。所以将数据融合以及分簇路由算法引入到输电线路状态监测网络中,可以提高数据传输效率,降低网络能耗。本文针对输电线路状态监测数据的传输,提出了基于节点能量以及节点之间距离均衡优化算法。通过引入距离门限值来避免长链的产生,减少数据传输的跳数。根据簇内节点所携电池的剩余能量、节点之间的距离选择合适的簇首节点。在已选出的簇首工作一段时间后,其所携带电池剩余能量达到设定阈值时,启动新一轮的簇首选择流程,及时有效的选择出新的簇首节点。使得簇内各个节点消耗能量水平相近,从而延长输电线路监测网络的生命周期。本文采用D-S证据理论与BP神经网络结合的数据融合方式,处理簇首节点数据。利用BP神经网络算法具有自学习,能够进行分布式处理且无需先验信息的特点,进行多路传感器数据融合。采用特征层以及决策层两层融合,充分利用了BP神经网络以及D-S证据理论的优点,以BP神经网络的输出作为D-S证据理论的证据,准确提取出节点所处安全状态的关键信息,根据节点现在的安全状况,推测出未来可能发生安全事故的概率。针对提出的路由算法应用MATLAB进行仿真实验,模拟数据在输电线路监测系统进行传输。通过对比不同路由算法在网络消耗的能量、数据传输量以及节点存活个数三个方面的表现,可以得出本文提出的路由算法可以降低节点传输数据的能耗,扩大节点的数据传输量,延长网络的寿命。