【技术实现步骤摘要】
一种基于卷积神经网络的智能电网攻击定位方法
本专利技术特别涉及一种基于卷积神经网络的智能电网攻击定位方法,属于电力系统攻击定位
技术介绍
随着网络通信技术的进步,智能电网运行的可靠性显著增强,但由于对数据通信的依赖,使其容易遭受到多种恶性网络攻击,尤其是隐匿网络攻击可以躲避传统的坏数据检测装置,向电网系统注入错误数据从而破坏电网正常稳定的运行。然而大部分方法只考虑了对隐匿攻击的检测问题,并未考虑对攻击定位。因此,为了能够对攻击及时清除保证系统稳定安全运行,如何快速且准确的对智能电网攻击进行定位越来越受到了学术界和工业界的高度重视。目前,智能电网攻击定位方法的主流技术主要包括:(1)基于传统机器学习和深度学习对直流模型下智能电网攻击定位,虽然取得了不错的检测效果,但考虑到实际电网是具有复杂非线性特性的情况,基于直流模型的方法在应用实际电网时会存在较大偏差,大大降低检测精度;(2)基于卡尔曼滤波器组的攻击定位方法,但依赖于电网模型、需要在检测出攻击的前提下使用、抗干扰能力不足等缺陷。卷积神经网络相比于传统的神经网络能够从数据中提取出内在的非线性特征,已在图像和语音的分类问题取得了较为成功的应用,但在交流模型下智能电网攻击定位问题中还鲜有应用。智能电网攻击定位问题本质上可以转化为一个典型的多标签分类问题。但是,现有技术鲜有从多标签分类的角度对交流模型下智能电网攻击定位问题进行研发。
技术实现思路
本专利技术的目的在于针对现有技术的不足,提供一种基于卷积神经网络的智能电网攻击定位 ...
【技术保护点】
1.一种基于卷积神经网络的智能电网攻击定位方法,其特征在于,该方法包括以下步骤:/n步骤1:采集智能电网的网络特征参数;/n步骤2:数据预处理;/n步骤3:将智能电网攻击定位问题描述为多标签分类问题;/n步骤4:采用卷积神经网络(CNN)提取测量数据内在高维特征,并将CNN作为多标签分类器;/n步骤5:按照小批次梯度下降法训练CNN,以最小化交叉熵损失函数为优化目标,确定CNN最优的学习参数;/n步骤6:将训练完成的CNN嵌入到智能电网坏数据检测装置之后,实现实时在线攻击定位,提取出
【技术特征摘要】
1.一种基于卷积神经网络的智能电网攻击定位方法,其特征在于,该方法包括以下步骤:
步骤1:采集智能电网的网络特征参数;
步骤2:数据预处理;
步骤3:将智能电网攻击定位问题描述为多标签分类问题;
步骤4:采用卷积神经网络(CNN)提取测量数据内在高维特征,并将CNN作为多标签分类器;
步骤5:按照小批次梯度下降法训练CNN,以最小化交叉熵损失函数为优化目标,确定CNN最优的学习参数;
步骤6:将训练完成的CNN嵌入到智能电网坏数据检测装置之后,实现实时在线攻击定位,提取出所对应的全部量测即为受到攻击的位置。
2.根据权利要求1所述的基于卷积神经网络的智能电网攻击定位方法,其特征在于,步骤1:采集智能电网的网络特征参数,具体如下:
包括电网拓扑结构、线路参数和电力负荷,再根据智能电网的非线性量测方程获取测量数据,包括参考节点的电压相角和电压幅值、每个节点的注入有功功率和无功功率,各支路的有功功率和无功功率,其中正常测量数据Zo和遭受攻击的测量数据Za具体描述如下:
Zo=h(xo)+ω(1)
Za=Z+h(xa)-h(xo)(2)
其中,h表示非线性量测方程,即系统状态与测量真值之间的函数关系,xo表示系统状态包含系统所有节点电压幅值和电压相角的真实值,xa表示攻击下的系统状态值,x表示xo或者xa,Vk和θk分别表示节点k的电压幅值和电压相角,Vm和θm分别表示节点m的电压幅值和电压相角,Pk和Qk分别表示节点k的注入有功功率和无功功率,Pkm和Qkm分别表示节点k和节点m之间线路的有功功率和无功功率,M表示节点m的集合,gkm和bkm分别表示节点k和节点m之间的电导和电纳,δkm=θk-θm表示节点k和节点m之间的相角差,ω观测噪声。
3.根据权利要求1所述的基于卷积神经网络的智能电网攻击定位方法,其特征在于,所述步骤2数据预处理,具体如下,令D=[Zo,Za],即将步骤1中获得的测量数据存放在D中,再将数据集D传输到智能电网坏数据检测装置中,按照公式(4)计算D中第i组数据Di的残差Ri,i=1,2,…,N,N表示数据组数,设定判断检测坏数据阈值参数λ,若Ri>λ,则剔除Di;若Ri≤λ,则将Di存入至集合T中;
其中,表示根据量测数据Di计算得到的系统状态估计值。
4.根据权利要求1所述的基于卷积神经网络的智能电网攻击定位方法,其特征在于,所述步骤3将智能电网攻击定位问题描述为多标签分类问题,具体如下,定义训练集特征(即测量数据)为Ti=(Ti1,...,Tij,...,Tin),其中j=1,2,…,n表示第j个量测,n表示特征数;定义训练集标签(即量测所属类别)为其中...
【专利技术属性】
技术研发人员:吴争光,陆康迪,
申请(专利权)人:群智未来人工智能科技研究院无锡有限公司,
类型:发明
国别省市:江苏;32
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。