以辽宁省智能电网系统为研究对象,分析其存在的信息安全问题,然后针对性的制定入侵检测系统,并改进算法,主要使用的是R-NNIDS系统与Snort相兼容的规则描述方法,可以对网络中具有攻击性的数据包简化描述,降低数据量。建立SVM模型,基于神经网络对智能电网入侵检测方法改进,并对其进行检测,整体上减少检测系统的误报率和漏报率,并降低数据量,提高工作的便捷性,减少成本,更好的服务于智能电网管理工作的开展。具体研究过程中,拟解决的关键问题:如何进行入侵检测方法的创新,如何进行入侵检测系统设计改进,如何准确识别入侵行为,并增强对新的入侵行为的检测能力。通过实践研究,得出结论如下:整个入侵检测模型设计使用的是SVM,方法为二次分解法、SOM方法和LM方法,并对其进行改进,使用KPCA算法进行神经网络分类器标志设置,为KPCAINN,使用ICA方法的分类器标志设置为ICAINN。检测结果相对较好,具有实用性;R-NNIDS系统设计合理,可以发现一些新的入侵行为。除此以外,辽宁省智能电网面临的风险为计算机系统硬件和通信设施容易受到自然环境、自然灾害及人为的物理破坏,计算机系统的软件和数据容易受到非法窃取、复制、篡改和毁坏等攻击,不同风险来源不同,在实践工作过程中,需要对此加强管理。该论文有图30幅,表8个,参考文献50篇。