【技术实现步骤摘要】
一种电力系统检测数据攻击的方法、计算机设备和存储介质
本专利技术属于电力监测领域,涉及一种电力系统检测数据攻击的方法、计算机设备和存储介质。
技术介绍
目前,随着第三次工业革命的基本完成与能源工业系统物联网3.0的逐步推进,泛在电力物联网与坚强智能电网组成的能源互联网逐渐在电力系统领域得到深入研究与应用。作为能源互联网重要组成部分的电力信息物理融合系统的组成与运作机理趋于复杂,新一代能源电力系统代表一次设备的能量流与代表二次设备的信息流紧密耦合且高效率相互作用。因此,电力系统的量测信息容易受到攻击篡改,从而使电力系统信息安全风险增大。针对电力系统中可能发生的信息攻击的特性与后果进行相关探究,并初步构建风险感知机对量测数据进行异常检测,可以降低电力系统信息攻击的风险与损失,为新一代能源互联网发展的规划设计、安全稳定、调度分配、紧急控制提供相应参考。国内外相关电力部门大多采用EMS/SCADA系统基于状态估计与坏数据识别(BadDataDetection,BDD)来对相量同步量测单元(PhasorMeasurementUnit,PMU)、远方终端(RemoteTerminalUnit,RTU)等量测单元上传至调控中心的不良数据进行检测识别并随之剔除。具体地,电力系统基于状态估计的不良数据的实用检测方法多为最小二乘法与基于卡尔曼滤波的递推状态估计法,并未考虑篡改攻击等外来网络攻击的特点。同时,网络攻击者掌握实际电力系统拓扑数据时可以构造并注入虚假数据(FalseDataInjectionAttack,FDIA)以成 ...
【技术保护点】
1.一种电力系统检测数据攻击的方法,其特征在于,包括如下步骤:/n步骤S1,获取数据驱动电力系统历史量测数据并对其进行归一化预处理;/n步骤S2,时间序列数据按时刻/时间段进行等批量输入卷积神经网络并抓取空间特征;/n步骤S3,进行长短时记忆神经网络对卷积神经网络的全连接层FC的输出并抓取时间特征;/n步骤S4,卷积神经网络与长短时记忆神经网络中设置Dropout层、批量标准化层,同时长短时记忆神经网络的输出层设置注意力机制;/n步骤S5,长短时记忆神经网络的输出层设置支持向量机分类器并输出攻击检测的判定结果。/n
【技术特征摘要】
1.一种电力系统检测数据攻击的方法,其特征在于,包括如下步骤:
步骤S1,获取数据驱动电力系统历史量测数据并对其进行归一化预处理;
步骤S2,时间序列数据按时刻/时间段进行等批量输入卷积神经网络并抓取空间特征;
步骤S3,进行长短时记忆神经网络对卷积神经网络的全连接层FC的输出并抓取时间特征;
步骤S4,卷积神经网络与长短时记忆神经网络中设置Dropout层、批量标准化层,同时长短时记忆神经网络的输出层设置注意力机制;
步骤S5,长短时记忆神经网络的输出层设置支持向量机分类器并输出攻击检测的判定结果。
2.如权利要求1所述的方法,其特征在于,在步骤S1中,所述进行预处理与归一化操作具体过程包括:
步骤S11,将保存在本地的历史原始PMU/RTU量测数据读取到检测器的存储器中,按照不同区域、不同量测单元与不同调度单位进行预处理;
步骤S12,将PMU数据分类为电压幅值、电压相位、电流幅值和电流相位,当检测器同时对电力系统某区域的m个量测单元进行训练学习,采样时间序列长度为T,一个量测单元量测参数个数为n,数据的维度为d=m×n,数据集用下公式进行表示为:
其中,D表示量测数据集;xt为在t时刻量测单元测得的量测值,其值为实数且数据的维度为m×n,可以表示为
检测器数据挖掘将时间段的数据重塑为一个时间片段值,最终获得的数据表示为:
其中,Dmap表示经过处理后量测数据集;xvm表示电压幅值数据,xca表示电流相位数据;T为时间序列长度;T′为时间片段序列长度;经过处理后的实数数据集xt,map的维度为
3.如权利要求2所述的方法,其特征在于,在步骤S11中,所述预处理根据以下公式进行归一预处理:
其中,yscaler为归一化之后的量测值,分布于ymin到ymax之间,ymin为归一化后值的最小值,ymax为归一化后的最大值,xmin为实际量测值的最小值,xmax为实际量测值的最大值,而x表示该次归一化处理的实际量测值。
4.如权利要求3所述的方法,其特征在于,在步骤S2中,根据以下公式进行卷积神经网络抓取数据空间特征:
其中,为输入的量测数据,为第一层卷积层的第j个特征图的卷积核,M为卷积过程中每次滑动时所选取的矩阵块值,b表示偏置矩阵参数,down(.)为池化函数,βj表示可训练的标量,Q2表示池化过程中的池化块的大小,Flatten为一维化函数,ReLU函数为常见的修正线性激活函数,w(n)是神经网络误差反向传播时模型需要不断调整的参数。
5.如权利要求4所述的方法,其特征在于,在步骤S3中,根据依以下公式进行长短时记忆神经网络抓取数据时间特征:
ft=σ(Wxfxt+Whfht-1+bf)
it=σ(Wxixt+Whiht-1+bi)
...
【专利技术属性】
技术研发人员:张安龙,黄福全,刘子俊,晋龙兴,简学之,
申请(专利权)人:深圳供电局有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。