智能电网和能源互联网的深入发展越来越依赖电力通信网络及时、准确的信息交互,传输时延和数据包丢失率一直都是电力通信业务可靠传输重点研究的内容。当前电力通信网络的业务类型和流量激增,业务端到端的服务需求也不断提升,迫切需要引入新的网络技术来预测管理网络流量并满足电力业务的差异化通信需求。软件定义网络(Software Defined Networks,SDN)凭借其数控分离、集中化控制的优势,以及对网络状态的动态感知和实时控制业务路由的能力,为电力业务传输时延和丢包率的优化控制提供了新思路。本文基于SDN电力通信网络集中控制架构,对电力业务流量预测及路由控制问题进行研究,主要研究内容如下:根据电力通信网络的组成结构和电力业务的特征,建立了电力通信网络SDN仿真测试环境。在SDN仿真测试环境中周期性地采集网络中交换机的流表状态参数和端口状态参数,并模拟电力业务的动态传输过程,如业务的源、目的节点的生成,不同重要度电力业务的分布情况以及业务请求带宽的变化趋势等。针对电力通信网络中业务流量动态改变的复杂性问题,提出一种链路带宽占用率预测模型。利用图卷积神经网络能较好的学习网络拓扑的空间特征的能力,构建链路带宽占用率预测模型分析下一时刻的链路带宽占用率。测试结果表明,在不同网络负载条件下,预测模型对电力通信网络链路带宽占用率得分的预测效果较好。为了优化电力业务的传输时延和数据包丢失率,提出一种最小路径选择度路由控制策略来预测控制业务的传输路径。最小路径选择度路由控制策略利用三角模算子融合路径的传输时延、当前时刻的路径带宽占用率和下一时刻的路径带宽占用率,计算出从源节点到目的节点间不同传输路径的选择度,然后将路径选择度最小的路径作为SDN控制器下发的流表项。仿真结果表明,与最短路径路由策略、拥塞缓解路由策略相比,所提路由控制策略在网络负载增大时,能有效减小业务传输时延和数据包丢失率。