基于大语言模型的配电主站日志异常检测

作     者：王申 魏兴慎 朱卫平 朱道华 关志涛 

作者机构：华北电力大学控制与计算机工程学院 南京南瑞信息通信科技有限公司 国网江苏省电力有限公司 国网江苏省电力有限公司电力科学研究院 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家电网公司科技项目(5400-202340217A-1-1-ZN) 

主　　题：日志异常检测 配电主站 大语言模型 提示工程 上下文学习 

摘      要：日志异常检测是监控配电主站系统运行并识别异常行为的关键技术之一。已有的基于深度学习的日志异常检测方法依赖于大量的带标注的训练数据，而在配电主站系统中缺少带标注训练数据,这会导致日志异常检测性能显著下降。文中基于大语言模型的上下文推理特性，提出了一种无需训练的配电主站日志异常检测方案LogAdapt。设计上下文示例筛选算法，针对不同在线日志，从少量带标注的本地日志中动态筛选出若干高质量的上下文示例；结合任务描述和人类经验知识，自动构建出文本提示，以指导大语言模型完成配电主站日志异常检测任务。实验结果表明，所提方案相比现有方案性能更优，尤其在真实配电主站数据集上，性能提升41%以上。