【技术实现步骤摘要】
本专利技术属于智能电网安全，涉及电网虚假数据检测方法，尤其涉及一种基于深度学习的新能源电网虚假数据检测方法及系统。
技术介绍
1、随着智能电网技术的迅猛发展，电力系统的安全性和稳定性成为一个关键问题。智能电网通过传感器和通信网络实时监控和管理电力系统，实现了电力资源的高效分配和利用。然而，智能电网的高度互联性和数据依赖性使其容易受到网络攻击，特别是虚假数据注入攻击(falsedatainjectionattacks,fdia)。fdia能够通过篡改传感器数据或网络通信数据，导致错误的电力调度决策，甚至引发大规模停电等严重后果。
2、在现有技术中，检测和防御fdia的方法主要包括基于物理模型的方法和基于数据驱动的方法。物理模型方法利用电力系统的物理特性，通过异常检测算法识别数据异常；而数据驱动方法则通过机器学习和数据挖掘技术，从历史数据中学习正常的系统行为模式，从而识别异常。然而，这些方法在实际应用中仍然存在一定的局限性，例如对复杂攻击模式的检测能力不足，以及在高维数据中的计算效率问题。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种基于深度学习的新能源电网虚假数据检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
3.根据权利要求1所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
4.根据权利要求3所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
5.根据权利要求1所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
6.根据权利要求4所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
7....
【技术特征摘要】
1.一种基于深度学习的新能源电网虚假数据检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
3.根据权利要求1所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
4.根据权利要求3所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
5.根据权利要求1所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
6.根据权利要求4所述的一种基于深度学习的新能源电网虚假数据检测方法，其特征在于：
7.根据权利要求1所述的一种基于深度学习的新能源电网...
【专利技术属性】
技术研发人员：王磊，李桐，耿洪碧，刘扬，陈剑，赵宏伟，刘齐，李欢，杨舒钧，孙茜，肖楠，佟昊松，朱紫煜，刘祉成，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，
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。