一种动态自适应的电力系统终端安全威胁评估方法技术方案

本发明专利技术涉及一种动态自适应的电力系统终端安全威胁评估方法，包括：数据采集及数据清洗；特征提取：针对电力系统终端产生的独立数据，通过特征提取建立所述电力系统终端的特征向量；构建评估模型；构造评价集；模糊评判：根据评判样本总体和各评判分，构造评判矩阵；量化评价结果。本发明专利技术从层次模型的角度出发，通过设置关联矩阵，能够保证层与层之间在一方受到影响时，威胁效果可以传遍整个模型，从而实现对于环境动态变化的风险评估。本发明专利技术中设立了策略集，当需要动态调整时首先从策略集中选择策略，从而更快速的应用模型给出评估效果，效率大大提高。

【技术实现步骤摘要】
一种动态自适应的电力系统终端安全威胁评估方法
本专利技术涉及电力系统安全威胁评估
的评估方法，具体讲涉及一种动态自适应的电力系统终端安全威胁评估方法。
技术介绍
随着电力系统与实际物理世界的交流互动越发频繁，电力终端的安全性面临着越来越多的挑战。充分挖掘监测数据信息，为终端风险评估和安全防护成为了电力系统重要的方向之一，尤其是信息物理融合的发展，对电力系统终端安全性的评估的关注更加迫切。目前已经有多种安全性的评估模型，层次分析模型从安全的分层分级的角度，建立终端的安全性评估层次结构，通过结构之间的相互影响来达到安全性的传递，继而计算终端的安全性评估量化值。然而缺少了动态评估的考虑，使得物理环境变化时，安全性评估模型的适应性较差，不利于实际部署应用。基于神经网络算法的动态风险评估需要使用大量的历史数据训练网络，计算复杂度较高，通常在数据变化之后都需要重新训练网络，对于环境的动态适应性有较大的局限，另外，数据训练也存在过度训练及网络不稳定的问题。基于隐马尔科夫模型的算法在理论上有较强的理论指导，在实际使用时要面临数据异常造成的模型算法偏差较大的问题。
技术实现思路
为解决上述现有技术中的不足，本专利技术的目的是提供一种动态自适应的电力系统终端安全威胁评估方法，本专利技术从层次模型的角度出发，通过设置关联矩阵，能够保证层与层之间在一方受到影响时，威胁效果可以传遍整个模型，从而实现对于环境动态变化的风险评估。本专利技术中设立了策略集，当需要动态调整时首先从策略集中选择策略，从而更快速的应用模型给出评估效果，效率大大提高。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。本专利技术的目的是采用下述技术方案实现的：本专利技术提供一种动态自适应的电力系统终端安全威胁评估方法，其改进之处在于，所述方法包括下述步骤：采集数据及清洗数据；(2)特征提取：提取电力系统终端产生的独立数据建立所述电力系统终端的特征向量；(3)构建评估模型；(4)构造评价集；(5)模糊评判：根据评判样本总体和各评判分，构造评判矩阵；(6)量化评价结果。进一步地，所述步骤(1)中，设定在时间区间T范围内对电力系统终端进行安全威胁评估，对待分析的电力系统终端历史数据提取所述时间区间的历史监控数据，包括终端的数据流量、均值和方差统计数据；检测所述历史监控数据并清洗错误数据和范围异常数据。进一步地，所述步骤(2)中，针对电力系统终端产生的独立数据，通过特征提取建立电力系统终端的特征向量，记为：其中：i,j,k分别为第1、2、3层的第i个、第j个、第k个影响因素。进一步地，所述步骤(3)包括下述步骤：①根据ISO17799设立10个因素子集，并建立三层评估模型；②自底向上逐层构建每一层的关系矩阵；设立每一层因素之间的权重系数，表明每一个因素在该层评估中的重要程度；③根据特征向量之间的距离，即向量的二范数判断相关因素之间是否存在异常；在出现异常时表明环境因素出现变化，并根据阈值调整权向量，改变因素之间的权值；或是建立多个关联矩阵和权值向量的策略集，在监测到特征向量数据明显差异时从策略集中挑选备选策略；④设立反馈调节向量(权值调整矩阵Wi的每一行向量，例如Wi矩阵中的向量表示层与层之间因素的相关关系；在环境因素变化的情况下，影响因素a很可能成为影响因素b的影响因素，在影响因素关系矩阵中考虑建立有向关联系数矩阵，对每一行每一列的关系矩阵设置权值。进一步地，所述步骤①中，根据ISO17799的规定，将影响威胁因素集(影响威胁因素包括物理环境、温度、湿度等因素)分为10个因素子集；根据分析的电力系统终端结构，按照10个子集逐层划分的方式确立待分析的电力系统终端结构；将10个因素子集记为：U＝{U0,U1,…,U9}；再根据安全评估要求将每个因素子集分成：Ui＝{Ui,0,Ui,1,…,Ui,n}所示的子集，其中：i表示因素子集的标号，i∈{0,…9}；再将每个因素子集Ui,j细化为为Ui,j＝{ui,j,1,ui,j,2,…,ui,j,m}若干所示的因素集合，其中i∈{0,…9},j∈{0,…,n}；m为Ui,j中所含元素的个数；所述步骤②中，采用步骤①建立的三层评估模型，将每一个细化的子集评估结果作为上一个子集评估过程的输入；在第三层中，通过权重系数ai,j,k表明各因素的重要程度；对每一个ui,j,k存在一个权重系数ai,j,k，记为：Ai,j＝[ai,j,0,ai,j,1,…,ai,j,m]；设立关系矩阵和权重向量来表示第二层中各因素之间的数值关系，记为：Ai＝[ai,0,ai,1,…,ai,n]和设立关系矩阵和权重向量来表示第一层中各因素之间的数值关系，记为：A＝[a0,a1,…,a9]和所述步骤③中，对每一层采用下述方式来实现动态可变权重系数和关联关系，以增强其适应性，包括：a)读取各个终端历史监测数据，建立特征向量和以电力系统终端第k个和第l个终端作为研究对象；b)计算第k个终端到第l个终端特征向量的二范数：即两个检测数据特征向量之间的距离；c)确定其他终端之间的距离ti,j,i∈{1,2,…n},j∈{1,2,…n},i≠j；d)根据上述计算结果得出第a时刻的距离矩阵：所述距离矩阵为对称矩阵，且ti,i,i＝{0,1,…,n}恒为0；e)通过检测数据计算第b时刻的距离矩阵Tb；f)使用矩阵2-范数表示矩阵的相对距离：矩阵的2范数为：其中λmax((Tba)T·Tba)表示矩阵转置与原矩阵乘积的最大特征值，此时的最大值下标为s,t；g)给定阈值e，使得相对距离在阈值范围内，否则进行调整。进一步地，所述步骤g)包括下述调整方案：(i)调整方案一：对权值向量Ai＝[ai,0,ai,1,…,ai,n]的分量进行调整：设||Tba||s,t≥e，则针对终端s和t，调用历史数据检测数据异常的电力系统终端；若终端s的监测数据与历史数据偏差大于终端t的数据偏差，则需要修改终端s的权值比重，以增加终端s的数据异常所产生的影响；设变动步长为β，则权值向量调整为：ai,s+β，at,s-β；其中：β使得变动后的分量值不小于0；(ii)调整方案二：设矩阵Wi为权值调整矩阵：即通过权值调整矩阵，为关系矩阵的各个分量之间设定重要程度，通过加权实现，加权矩阵的每一行和每一列之和均为1；对关系矩阵的分量调整：设||Tba||s,t≥e且s和t记录此时的异常终端；对历史数据分片采样计算，{b1,a1},{b2,a2},…{bk-1,ak-1}共k-1个时间片段；若异常出现的频度大于设定值f，则的概率置信为电力系统终端所在的上一层影响因素出现稳定变化；若此两终端分别在不同的上层分层中，则对上一层的关系矩阵进行调整，调整如下：设s和t分别在不同的上层分层S和T中，则分别计算S和T的历史数据偏差；若S的偏差明显大于T的偏差，则需要修改S的关联矩阵影响因子；设调整步进为γ，则调整后的权值矩阵为：(iii)调整方案三：策略集：选择个历史时间片段，每一次调整权值向量和权值矩阵分别形成个动态调整组合方案：；根据历史记录数据和监测计算数据计算本文档来自技高网...

【技术保护点】
一种动态自适应的电力系统终端安全威胁评估方法，其特征在于，所述方法包括下述步骤：(1)采集数据及清洗数据；(2)特征提取：提取电力系统终端产生的独立数据建立所述电力系统终端的特征向量；(3)构建评估模型；(4)构造评价集；(5)模糊评判：根据评判样本总体和各评判分，构造评判矩阵；(6)量化评价结果。

【技术特征摘要】
1.一种动态自适应的电力系统终端安全威胁评估方法，其特征在于，所述方法包括下述步骤：(1)采集数据及清洗数据；(2)特征提取：提取电力系统终端产生的独立数据建立所述电力系统终端的特征向量；(3)构建评估模型；(4)构造评价集；(5)模糊评判：根据评判样本总体和各评判分，构造评判矩阵；(6)量化评价结果；所述步骤(3)包括下述步骤：①根据ISO17799设立10个因素子集，并建立三层评估模型；②自底向上逐层构建每一层的关系矩阵；设立每一层因素之间的权重系数，表明每一个因素在该层评估中的重要程度；③根据特征向量之间的距离，即向量的二范数判断相关因素之间是否存在异常；在出现异常时表明环境因素出现变化，并根据阈值调整权向量，改变因素之间的权值；或是建立多个关联矩阵和权值向量的策略集，在监测到特征向量数据明显差异时从策略集中挑选备选策略；④设立反馈调节向量，表示层与层之间因素的相关关系；在环境因素变化的情况下，影响因素a很可能成为影响因素b的影响因素，在影响因素关系矩阵中考虑建立有向关联系数矩阵，对每一行每一列的关系矩阵设置权值；所述步骤①中，根据ISO17799的规定，将影响威胁因素集分为10个因素子集；根据分析的电力系统终端结构，按照10个子集逐层划分的方式确立待分析的电力系统终端结构；将10个因素子集记为：U＝{U0,U1,…,U9}；再根据安全评估要求将每个因素子集分成：Ui＝{Ui,0,Ui,1,…,Ui,n}所示的子集，其中：i表示因素子集的标号，i∈{0,…9}；再将每个因素子集Ui,j细化为为Ui,j＝{ui,j,1,ui,j,2,…,ui,j,m}若干所示的因素集合，其中i∈{0,…9},j∈{0,…,n}；m为Ui,j中所含元素的个数；所述步骤②中，采用步骤①建立的三层评估模型，将每一个细化的子集评估结果作为上一个子集评估过程的输入；在第三层中，通过权重系数ai,j,k表明各因素的重要程度；对每一个ui,j,k存在一个权重系数ai,j,k，记为：Ai,j＝[ai,j,0,ai,j,1,…,ai,j,m]；设立关系矩阵和权重向量来表示第二层中各因素之间的数值关系，记为：设立关系矩阵和权重向量来表示第一层中各因素之间的数值关系，记为：所述步骤③中，对每一层采用下述方式来实现动态可变权重系数和关联关系，以增强其适应性，包括：a)读取各个终端历史监测数据，建立特征向量和以电力系统终端第k个和第l个终端作为研究对象；b)计算第k个终端到第l个终端特征向量的二范数：即两个检测数据特征向量之间的距离；c)确定其他终端之间的距离ti,j,i∈{1,2,…n},j∈{1,2,…n},i≠j；d)根据上述计算结果得出第a时刻的距离矩阵：所述距离矩阵为对称矩阵，且ti,i,i＝{0,1,…,n}恒为0；e)通过检测数据计算第b时刻的距离矩阵Tb；f)使用矩阵2-范数表示矩阵的相对距离：矩阵的2范数为：其中λmax((Tba)T·Tba)表示矩阵转置与原矩阵乘积的最大特征值，此时的最大值下标为s,t；g)给定阈值e，使得相对距离在阈值范围内，否则进行调整；所述步骤g)包括下述调整方案：(i)调整方案一：对权值向量Ai＝[ai,0,ai,1,…,ai,n]的分量进行调整：设||Tba||s,t≥e，则针对终端s和t，调用历史数据检测数据异常的电力系统终端；若终端s的监测数据与历史数据偏差大于终端t的数据偏差，则需要修改终端s的权值比重，以增加终...

【专利技术属性】
技术研发人员：叶云，余勇，石聪聪，高鹏，曹宛恬，
申请(专利权)人：国家电网公司，国网智能电网研究院，
类型：发明
国别省市：北京;11