随着监测、传感、信号处理、控制和通信等方面的进步,先进的技术正被集成到下一代电力系统,即智能电网中。一方面,智能电网的更新换代使得电力系统与互联网的连接点不断增加,成为了一个更加自动化的电力传输网络;而另一方面,在与互联网耦合紧密的智能电网中,如何为智能终端和主站之间提供可靠的通信,保障电力系统的稳定性和安全性,已经成为现阶段的一大难点。高级计量构架AMI(Advanced Metering Infrastructure),该系统是智能电网的基础信息平台,是负责收集、测量、分析能源使用数据,并将这些信息从智能仪表传输到数据集中器,然后传输到公用事业侧的系统,作为智能电网的重要组成部分之一它成为攻击者们的攻击目标,遭受着虚假注入,分布式拒绝等攻击的危害。入侵检测系统IDS(Intrusion Detection System),作为一种提升网络系统安全性的手段,可以起到保障AMI 网络安全的作用。它可以通过监控网络的运行状态,查询状态特征,以希望可以尽早发现攻击的目标,从而更早的进行攻击预警,制定相关计划,执行防护措施,保障系统的机密性,完整性和可用性。本文旨在将现阶段最流行的长短期记忆网络LSTM(Long Short-Term Memory)与入侵检测系统相结合,提出一种基于LSTM的入侵检测模型,并将其应用于智能电网的AMI网络中。利用该LSTM I王络的时序性与可记忆的特点,提高入侵检测系统的检测。通过将AMI网络中的正常数据与恶意数据进行分类筛选,去掉其中的恶意攻击,对异常网络请求实现过滤处理,以减少AMI网络的安全威胁。最后,我们通过性能测试,给出了本文提出模型的性能测试结果,实验表明在学习率为0.01和隐藏层为80 层时本文的模型具有更好的检测效果,队此我们采用此学习率与隐藏层进行后续仿真实验。最终,将该实验结果与其它现有神经网络入侵检测模型的效果进行比对,实验结果表明,本文的检测率在98%左右,其他神经网络模型均低于本文的实验模型,证明了基于LSTM网络的入侵检测系统对AMI网络数据监测的有效性。