国网江苏省电力有限公司宿迁供电分公司，江苏宿迁，223800；
摘要：本研究依托国网宿迁供电公司史文萍技师创新工作室开展的项目，提出基于人工智能的网络异常流量画像关键技术，致力于攻克电力调度数据网络中的异常检测、流量分析及性能优化难题。通过综合运用深度学习、无监督学习、数据挖掘及分布式计算等前沿技术，构建了一套涵盖异常定位、业务流量分析、多维度报告生成及网络优化的完整技术体系，为电力专网的智能化管理提供了切实可靠的方案。
关键词：人工智能；网络异常流量画像；电力调度数据网络；智能运维
参考文献
[1]贾峰.基于深度学习算法的电力调度数据网络异常检测方法[J].信息与电脑(理论版),2023,35(12):79-81.
[2]傅世元,高欣,张浩,等.基于元学习动态选择集成的电力调度数据异常检测方法[J].电网技术,2022,46(8):3248-3256.
[3]常伟鹏,袁泉.基于Hadoop的动态网络异常节点智能检测方法[J].计算机仿真,2022,39(11):402-405.
[4]杨姣.基于机器学习的网络流量异常检测技术研究[J].电子技术与软件工程,2022(22):22-25.
[5]郑永奇.基于双向循环卷积神经网络的网络异常流量监测[J].信息记录材料,2022,23(11):198-200.
[6]顾健华,文成江,高泽芳.融合生成式神经网络和深度神经网络的流量异常检测[J].移动通信,2022,46(12):94-101.
[7]陈勇,郭云柱,王威,等.模糊K-Harmonic-Kohonen网络的FTIR光谱数据聚类分析[J].光谱学与光谱分析,2023,43(1):268-272.
[8]刘云,张轶,郑文凤.协方差测距算法在多维聚类分析中的优化研究[J].重庆大学学报,2023,46(5):102-110.
[9]戴浩磊,黄永慧,周郭许.基于超图正则化非负张量链分解的聚类分析[J].计算机工程,2023,49(6):81-89.
[10]毕硕志.基于卷积神经网络和SVM的混凝土桥梁裂缝检测研究[J].软件,2023,44(5):82-86.
[11]霍雯雯.贵州兴义地区电力调度数据网络拓扑结构研究[J].电工技术,2018,(05):57-60+63.
[12]陈冉.基于VPN的电力调度数据网络安全方案[J].通讯世界,2018,(09):121-122.
[13]张继芬.省级电力调度数据网络的设计与实现[J].电力系统通信,2005,(02):4-7+10.
