基于人工智能的电力通信传输网络异常检测算法.pdfVIP

 2025年1月25日第42卷第2期TelecomPowerTechnologyJan. 25, 2025, Vol.42 No.2 

DOI：10.19399/j.cnki.tpt.2025.02.080运营维护技术

基于人工智能的电力通信传输网络异常检测算法

李义

（安徽恒源煤电股份有限公司煤矿，安徽淮北235000）

摘要：利用结合长短期记忆（LongShort-TermMemory，LSTM）网络与卷积神经网络（ConvolutionalNeural

Network，CNN）的深度学习模型，提出一种基于人工智能的异常检测算法。通过收集和预处理电力通信网络数据，

提取关键特征，利用CNN捕捉数据的空间特征，再通过LSTM分析其时序依赖性，以准确识别异常信号。实验分

析表明，LSTM-CNN混合模型在多项指标上均优于传统方法，具有较低的误报率和漏报率，尤其在复杂异常场景

下具有较强的适应性与健壮性。研究结果表明，设计算法可有效提高电力通信传输网络的异常检测效率，为智能化

电力系统的运行安全提供有力支撑。

关键词：人工智能；电力通信；传输网络异常检测；长短期记忆（LSTM）网络；卷积神经网络（CNN）

AnomalyDetectionAlgorithmofPowerCommunicationTransmissionNetworkBasedon

ArtificialIntelligence

LIYi

(AnhuiHengyuanCoalIndustryandElectricityPowerCo.,Ltd.,CoalMine,Huaibei235000,China)

Abstract:Ananomalydetectionalgorithmbasedonartificialintelligenceisproposedbyusingadeeplearning

modelcombiningLongShort-TermMemory(LSTM)networkandConvolutionalNeuralNetwork(CNN).Bycollecting

andpreprocessingpowercommunicationnetworkdata,thekeyfeaturesareextracted,thespatialfeaturesofthedataare

capturedbyCNN,andthenthetimesequencedependenceisanalyzedbyLSTM,soastoaccuratelyidentifyabnormal

signals.TheexperimentalanalysisshowsthattheLSTM-CNNhybridmodelissuperiortothetraditionalmethod

inmanyindexes,withlowfalsealarmrateandfalsealarmrate,especiallyincomplexabnormalscenes,withstrong

adaptabilityandrobustness.Theresearchresultsshowthatthedesignedalgorithmcaneffectivelyimprovetheanomaly

detectionefficiencyofpowercommunicationtransmissionnetworkandprovidestrongsupportfortheoperationsafety