【技术实现步骤摘要】
一种电力系统FDIA高精度检测方法
[0001]本专利技术涉及一种电力系统FDIA高精度检测方法,属于电力系统监测方法领域。
技术介绍
[0002]随着传统电力系统逐渐智能化,其受到信息攻击的风险也逐渐增加,其中FDIA(虚假数据注入攻击)是电力系统受到的信息攻击中的一种常见类型。针对于FDIA的检测,现有技术中都是基于训练完成的GRU预测模型对电网状态值进行分析,以判断电力系统是否受到FDIA。但是针对于一些具有丰富经验的攻击者,FDIA中的数据往往经过伪装,这就导致虚假数据很容易被GRU预测模型误判成真实数据,这就导致经过训练的GRU预测模型对FDIA的检测精度受到很大制约。
技术实现思路
[0003]本专利技术所要解决的技术问题在于克服现有技术的不足而提供一种电力系统FDIA高精度检测方法。
[0004]解决上述技术问题,本专利技术采用如下技术方案:一种电力系统FDIA高精度检测方法,包括如下步骤:步骤S1:获取电力系统在时间段[t1,t
n
‑3]内的历史数据包以及电力监测历史数据;步骤S2:利用CNN提取历史数据包中的网络层特征,历史数据包中的网络层特征结合电力监测历史数据构成训练样本集,利用训练样本集对GRU进行训练,直至GRU的损失函数值低于损失函数阀阈值,以得到训练完成的GRU状态预测模型;步骤S3:电力系统在t
n
时刻接收数据包并检测到电力监测数据x
n
,利用CNN提取电力系统在t
n
时刻接收到的数据包中的
【技术保护点】
【技术特征摘要】
1.一种电力系统FDIA高精度检测方法,其特征在于,包括如下步骤:步骤S1:获取电力系统在时间段[t1,t
n
‑3]内的历史数据包以及电力监测历史数据;步骤S2:利用CNN提取历史数据包中的网络层特征,历史数据包中的网络层特征结合电力监测历史数据构成训练样本集,利用训练样本集对GRU进行训练,直至GRU的损失函数值低于损失函数阀阈值,以得到训练完成的GRU状态预测模型;步骤S3:电力系统在t
n
时刻接收数据包并检测到电力监测数据x
n
,利用CNN提取电力系统在t
n
时刻接收到的数据包中的网络层特征x
n
’
;步骤S4:训练完成的GRU状态预测模型利用x
n
和x
n
’
得到电力系统在t
n+1
时刻接收的数据包的网络层特征预估值a
n+1
’
以及电力监测数据预估值a
n+1
;步骤S5:电力系统在t
n+1
时刻实际接收数据包并实际检测得到电力监测数据x
n+1
,利用CNN提取电力系统在t
n+1
时刻实际接收的数据包中的网络层特征x
n+1
’
;步骤S6:GRU状态预测模型通过比较a
n+1
’
和x
n+1
’
,以及比较a
n+1
和x
n+1
,对电力系统在t
n+1
时刻是否受到FDIA进行判断。2.根据权利要求1所述的电力系统FDIA高精度检测方法,其特征在于,步骤S1中,时间段[t1,t
n
‑3]包含时刻t1、t2......t
n
‑3,电力系统获取的所有历史数据包分别对应于时刻t1、t2......t
n
‑3,电力系统获取的所有电力监测历史数据分别为x1、x2......x
n
‑3,x1、x2......x
n
‑3分别对应于时刻t1、t2......t
n
‑3,步骤S2中,所有历史数据包对应的网络层特征分别为x1’
、x2’
......x
n
‑3’
,其中时刻t
α
对应的历史数据包的网络层特征为x
α
’
,n
‑
3≥α≥1,CNN的全连接层将x
α
’
和x
α
进行矩阵合并,步骤S3中,CNN的全连接层将x
n
和x
n
’
进行矩阵合并,步骤S4中,CNN的全连接层将a
n+1
’
和a
n+1
进行矩阵合并,步骤S5中,CNN的全连接层将x
n+1
’
和x
n+1
进行矩阵合并,步骤S6中,a
n+1
’
和a
n+1
合并后的矩阵对比x
n+1
’
和x
n+1
合并后的矩阵,以完成a
n+1
’
和x
n+1
’
的比较以及a
n+1
和x
n+1
的比较。3.根据权利要求2所述的电...
【专利技术属性】
技术研发人员:张莹,顾晔,陈甜妹,徐天天,岑雷扬,
申请(专利权)人:国网浙江省电力有限公司物资分公司,
类型:发明
国别省市:
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。