随着信息技术的不断发展，直流微电网储能系统已成为深度融合的信息物理系统，而精确的荷电状态估计对储能系统的实时监测和安全稳定运行至关重要。针对全钒液流电池(vanadium redox flow battery

VRB)储能系统荷电状态估计中，由虚假数据注入攻击导致的异常数据检测问题，提出一种基于长短时记忆网络和生成对抗网络的检测方法。首先，建立了VRB等效电路模型和虚假数据注入攻击模型；然后，通过训练长短时记忆网络和生成对抗网络组成的循环网络，将长短时记忆神经网络嵌入生成对抗网络框架作为生成器和鉴别器来分析电池时序数据，通过判别网络中的判别损失误差和生成网络中的重构残差得到异常损失进行综合判断；最后，以CEC-VRB-5kW型号电池为对象，并构造不同强度的虚假数据攻击进行实验，验证检测方法的准确性与可行性。结果表明，与经典循环神经网络、随机森林、自编码器、长短时记忆网络检测方法进行对比，所提方法具有较高的检测精度，在VRB储能系统荷电状态估计中能够有效辨识虚假数据攻击。