一种虚假数据注入攻击下的电力系统状态估计方法及系统技术方案

本发明专利技术公开了本发明专利技术一种虚假数据注入攻击下的电力系统状态估计方法

【技术实现步骤摘要】
一种虚假数据注入攻击下的电力系统状态估计方法及系统


[0001]本专利技术属于电网通信
，具体涉及一种虚假数据注入攻击下的电力系统状态估计方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]近年来，随着智能电网的快速发展，电网中的通信网络设备逐渐增加，电力系统的自动化程度得以迅速提高，现代电力系统已经由传统物理层面的电力设备网络逐步过渡到与信息空间高度融合的电力信息物理系统
(CPS)。
在电力
CPS
的日常运行中，信息层与物理层的联系十分紧密，一旦信息决策层遭受到外来攻击，其发出的错误信息或指令势必会对电力设备的安全运行造成威胁，甚至导致电网的瘫痪
。
[0003]虚假数据注入攻击
(FDIAs)
是一种常见的网络攻击，主要是通过篡改量测数据实现的
。
而电力系统实时量测在由数据采集
、
信息集成
、
数据远程传输等多个环节最终到达变电站监控系统及调度中心能量管理系统
(EMS)
时，均有可能遭受到
FDIAs
，从而产生量测坏数据
。
在数据采集过程中，攻击者可以对远程终端单元
、
同步相量测量单元
(PMU)
和各种智能仪表进行入侵
。
因此，攻击者只需获取电网的拓扑结构及网络参数，便可构造出不良数据检测无法识别的攻击数据，对电网实施攻击，影响状态估计的结果
。
状态估计是电力系统稳定性监测和分析的基础，也是
EMS
的核心部分，状态估计的结果受到影响后，会导致
EMS
对电网做出错误的决策，影响电力系统的正常运行
。
[0004]在
FDIAs
和电力系统状态估计方面，国内外学者都做过相关研究并取得了一定进展
。
针对
FDIAs
的研究，主要包含攻击的构建
、
检测及防御
。
在
FDIAs
的构建方面，如基于网络参数协调的
FDIAs
模型
、
基于新的数据驱动
FDIAs
模型；在
FDIAs
的检测方面，如基于物理的编码
‑
解码结构的检测方案；在
FDIAs
的防御方面，在综合能源系统中提出了一种协同风险缓解策略以抵御恶意
FDIAs。
以上研究内容主要是针对网络攻击不能成功实施的状况，未考虑电力系统在攻击情形下的状态估计问题
。
如乌克兰在
2015
年发生的大规模停电事件，就是网络攻击造成的，攻击者入侵了数据采集与监控系统
(SCADA)
，导致了三个区域的大规模停电
。
[0005]在电力系统状态估计方面，直接采用
PMU
测量电压向量会产生较大的误差，基于此，现有研究均采用了状态估计算法对电力系统进行估计，有效提高了状态估计的精度
。
估计方法主要分为基于最小二乘算法的静态状态估计和基于卡尔曼滤波
(KF)
及其衍生算法的动态状态估计两种
。
在动态估计方面，考虑到电力系统的高度非线性，只能采用几种衍生
KF
算法
。
最早提出且应用最为广泛的就是扩展卡尔曼滤波
(EKF)
算法，由于其线性化过程中会带来截断误差，对状态估计的结果带来了较大的误差
。
针对
EKF
算法线性化过程带来的截断误差，
S.Julier
等人提出了无迹卡尔曼滤波
(UKF)
算法，该方法将非线性函数的概率密度进行近似，不需要对系统模型进行线性化，但
UKF
算法的参数选取存在困难
。
为此，后续又衍生出了容积卡尔曼滤波
(CKF)
算法，该算法不用对非线性模型进行线性化，同时避免了
UKF
算法参数选取的困难
。
虽然
UKF
和
CKF
算法的估计精度比
EKF
算法高，但在实际电力系统中，
EKF
算法具有计算效率高
、
模型简单的优点，被广泛应用于电力系统的状态估计中
。
然而，上述方法大多都是用在电力系统模型精确获取的情况下，在实际电力系统中，由于噪声的统计特性和系统模型的参数及输入值无法精确获得，可能会导致系统模型出现不确定性，使得估计精度严重降低甚至发散
。
[0006]综上，现阶段关于电力系统状态估计的研究大多还是在未考虑信息系统遭受网络攻击的情况下进行的，关于
FDIAs
在电力系统方面的研究，大多也只是停留在
FDIAs
的检测及防御方面，很少有对
FDIAs
下的电力系统动态状态估计进行研究
。
然而电力系统遭受网络攻击的事件并不少见，所以在对电力系统进行状态估计时，需要考虑虚假数据注入攻击的情况；另外，针对电力系统模型不确定性的问题，以及传统
EKF
算法在电力系统遭受
FDIAs
时存在估计精度低等问题，需要改进一种新的电力系统状态估计算法提高估计精度
。

技术实现思路

[0007]本专利技术的目的在于提供一种虚假数据注入攻击下的电力系统状态估计方法
、
系统
、
设备及存储介质，以解决现有技术中电力系统遭受网络攻击时存在的状态量估计精度低的技术问题
。
[0008]为达到上述目的，本专利技术采用如下技术方案：
[0009]一种虚假数据注入攻击下的电力系统状态估计方法，包括以下步骤：
[0010]建立电力系统状态估计模型；
[0011]构建及检测虚假数据注入攻击；
[0012]将构建的虚假数据注入攻击加入至电力系统状态估计模型中，利用扩展卡尔曼滤波算法对虚假数据注入攻击后的电力系统状态估计模型进行线性化处理及滤波，并采用自适应插值方法消除扩展卡尔曼滤波算法在线性化过程中给电力系统状态估计带来的误差；
[0013]通过自适应
H
∞
扩展卡尔曼滤波算法对电力系统在对应攻击场景中下一时刻的状态量进行估计
。
[0014]进一步的，所述电力系统状态估计模型包括状态方程和量测方程两部分，公式为：
[0015]x
k
＝
f(x
k
‑1)+w
k
‑1ꢀꢀꢀꢀ
(1)
[0016]z
k
＝
h(x
k
‑1)+v
k...

【技术保护点】

【技术特征摘要】
1.
一种虚假数据注入攻击下的电力系统状态估计方法，其特征在于，包括以下步骤：建立电力系统状态估计模型；构建及检测虚假数据注入攻击；将构建的虚假数据注入攻击加入至电力系统状态估计模型中，利用扩展卡尔曼滤波算法对虚假数据注入攻击后的电力系统状态估计模型进行线性化处理及滤波，并采用自适应插值方法消除扩展卡尔曼滤波算法在线性化过程中给电力系统状态估计带来的误差；通过自适应
H
∞
扩展卡尔曼滤波算法对电力系统在对应攻击场景中下一时刻的状态量进行估计
。2.
根据权利要求1所述的一种虚假数据注入攻击下的电力系统状态估计方法，其特征在于，所述电力系统状态估计模型包括状态方程和量测方程两部分，公式为：
x
k
＝
f(x
k
‑1)+w
k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)z
k
＝
h(x
k
‑1)+v
k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
式中，
x
k
＝
[
θ
k
,U
k
]
T
是状态向量，由电压的相角和幅值构成；
z
k
是量测向量，主要由电压向量
、
节点和支路上的有功
、
无功功率构成；
f(x
k
‑1)
和
h(x
k
‑1)
是非线性方程；
w
k
‑1和
v
k
‑1表示相互独立的过程噪声和量测噪声
。3.
根据权利要求1所述的一种虚假数据注入攻击下的电力系统状态估计方法，其特征在于，所述虚假数据注入攻击构建步骤为：步骤1，建立服从高斯分布的状态量误差向量，将其与
Jacobian
矩阵相乘得到
FDIAs
向量，所述
Jacobian
矩阵为量测量关于状态量求导得到；步骤2，在原始量测数据的基础上施加
FDIAs
向量，得到攻击后的量测数据
。4.
根据权利要求1所述的一种虚假数据注入攻击下的电力系统状态估计方法，其特征在于，所述检测虚假数据注入攻击的方式为先进行状态一致性检验，再进行残差验证
。5.
根据权利要求4所述的一种虚假数据注入攻击下的电力系统状态估计方法，其特征在于，所述状态一致性检验公式为：式中：
τ
表示一致性检验阈值，分别表示
...

【专利技术属性】
技术研发人员：巫春玲，郑克军，付俊成，张震，吕晶晶，
申请(专利权)人：长安大学，
类型：发明
国别省市：