随着智能电网的蓬勃发展,作为电网的重要支撑,人们对电力通信技术的要求也越来越高。电力综合数据网是保障电网安全有效运行、全面实现电网智能化的关键通信基础设施,现已经深入到电力生产、经营和管理的各个阶层和部门,因此建立安全、可靠的电力综合数据网是建设智能电网的重要一环。流量预警作为电力综合数据网运行质量安全的重要保障机制,其准确性和实时性直接影响到数据网络正常可靠运行,也是提升电网运行效率的关键。随着视频会议等新业务在电力综合数据网中的兴起,流量波动规律发生变化,传统的网络流量模型已无法很好的拟合现有网络流量,因此迫切需要提出一种更适应综合数据网业务特性的网络流量拟合模型,以满足现有网络流量的波动规律。与此同时,目前的网络流量预警机制大部分不能很好的适用于大规模网络下流量数据的全面监控和异常预警要求,特别是固定阈值方法过于简单,误报率过高,所以急需一种自适应的流量预警机制。本文以提高对网络流量异常的监测、预警能力为目的,探索当前电力综合数据网络的业务流量动态预警技术。本文从网络流量预测和动态阈值设定两个方面展开研究。首先分析现网的业务特性,通过聚类分析方法将电力综合数据网的业务分为语音、视频、数据三大类,依据其对带宽、时延的不同要求和突发性、周期性等特性,汲取 F-ARIMA 模型(fractional autoregressive integrated moving average model,F-ARIMA)和 S-ARIMA 模型(seasonal autoregressive integrated moving average model,S-ARIMA)的优点,建立全业务综合流量预测模型,提高了预测的准确率,从而为下一步的预警判定奠定基础。然后,以提高流量异常检测率为目的提出流量基线与阈值的动态设定方法,利用滑动窗法求解动态基线,综合考虑网络带宽设定阈值初始值,并基于神经网络提出动态阈值更新算法。最后根据流量模型给出的流量预测值与动态阈值上、下限进行比对,进行预警判定,并通过仿真实验验证了预警机制的有效性和实用性。