Un Sistema Ciberfísico (CPS) incorpora dinámicas de comunicación y software en procesos físicos, proporcionando abstracciones, modelado, diseño y técnicas analíticas para el sistema. Basada en redes neuronales gráficas espacio-temporales (STGNNs), se ha presentado una tecnología de detección de anomalías para detectar datos anómalos en redes inteligentes con buen rendimiento. Sin embargo, dado que los cambios topológicos de las redes de energía en redes inteligentes a menudo ya predicen la ocurrencia de anomalías, los modelos tradicionales basados en STGNNs para representar la evolución de la red no pueden ser utilizados directamente en redes inteligentes. Nuestra investigación propuso un método de detección de anomalías en redes inteligentes sobre la base de STGNNs, que utilizaba la evolución en la información de varios atributos que afectaban la red eléctrica para representar la evolución de la red eléctrica, posteriormente utilizaba STGNNs para obtener las dependencias espacio-temporales de los nodos en varias redes de información, y utilizaba un método de dominio cruzado para ayudar en la detección de anomalías de la red eléctrica a través de información anómala de otras redes relacionadas. Los hallazgos de laboratorio revelan que la tasa de detección de datos anómalos de nuestro esquema alcanza el 90% en la etapa inicial de transmisión de datos y supera a otros métodos comparativos, y a medida que pasa el tiempo, la tasa de detección se vuelve cada vez más alta.