电力无线专网具有高可靠、安全性优势,但存在频段资源有限、输变电场景的专网基站取能较为困难等诸多不利因素,结合深度学习算法进行电力无线专网的优化研究,使该技术成为泛在电力物联网信息传输通道的重要选项,该研究具有重要意义。针对此,本文结合课题组参与国网总部2019年度科研项目“电力无线专网演进及4G、5G技术应用分析”的机会,在研究分析电力业务场景需求和无线专网架构的基础上,设计了通过基站流量预测进行频谱资源优化并适配业务需求的初步方案。通过基于空间特征的K-means聚类算法对基站进行聚类分簇,构建同一类簇的数据训练集,使用LSTM网络进行预测模型的训练和测试,通过仿真实验验证了基站流量预测结果较为准确,为提升专网频谱资源有效性利用创造了有利条件。然后,研究基于齐次泊松点过程的网络结构和多业务数据流特征,从而构建以最小化基站功耗和时延为优化指标的系统模型。在此基础上,结合深度强化学习技术设计了基于多能级的休眠调度策略进而降低基站能耗,并通过仿真验证了其有效性,有利于在基站取能较为困难的输变电应用场景推广无线专网技术。最后,设计了面向输变电物联网场景的电力无线专网优化初步方案,包括网络分区及结合迁移学习的基站流量预测方案,以及无线专网架构下的输电线路综合监测、动态增容等应用的初步方案,并且作为我校参加2020年度国网总部科技项目“输变电设备物联网边缘智能关键技术研究及应用”的部分申报内容,该项目已经获得申报成功。