基于自适应分区状态估计的智能电网不良数据检测方法技术

本发明专利技术公开了一种基于自适应分区状态估计的智能电网不良数据检测方法：根据已有的智能电网物理结构参数生成相应的图模型；利用聚类算法将图模型分为若干子图，每个子图均对应于智能电网中的一个子系统；对于每个子系统进行不良数据检测，并根据检测结果更新图模型，执行新的分区与检测，以此将不良数据定位于较小的区间内。本发明专利技术可用于检测针对智能电网设计的不良数据注入攻击，利用分区技术，提高了不良数据检测精度，并降低了检测的时间复杂度；同时，通过多次分区的策略，在有效时间内将不良数据定位于较小的范围内。

【技术实现步骤摘要】

本专利技术涉及智能电网数据安全领域，特别涉及一种针对智能电网不良数据注入的检测以及定位方法。
技术介绍
智能电网利用信息网络技术对电力网络中发电、配电和耗电设备进行实时监测和优化控制，实现节能、减排等目标。控制中心通过采集终端以及传输线的电表量测数据，估计当前电网的运行状态，并进行相应的调度决策。如何保证及时发现智能电表量测值的错误，防止黑客的恶意数据注入，是智能电网稳定运行的基础。目前，电力系统中已提供了较为成熟的不良数据检测数据技术，但是针对智能电网的特殊性质，其存在的严重隐患主要在于(I)智能电网的广泛使用，导致第三方可以获取智能电网终端装置，了解智能电网的物理拓扑布局以及线路参数，并针对特定的网络精心设计不良数据注入攻击以避开传统的电力系统不良数据检测技术，最终实现入侵者在经济、政治上的利益攫取；(2)智能电网通信节点数量巨大、工作环境复杂，传统不良数据检测技术针对大型网络检测需要消耗大量的计算时间，这对上级控制中心的运算能力以及存储空间均提出了较高的要求。现有研究中，从理论上已经针对智能电网的直流传输模型提出了部分解决方案，但是，针对实际中复杂的交流传输问题，还没有一种有本文档来自技高网...

【技术保护点】
基于自适应分区状态估计的智能电网不良数据检测方法，其特征在于，包括如下步骤：1）、根据给定的智能电网，构造相应的图模型；2）、根据构造的图模型，通过分区/聚类算法对图模型分区，将图模型划分为若干子图,每个子图对应于智能电网中一个的子系统；3）、根据子系统分区结果，对每个子系统进行不良数据检测；4）、根据不良数据检测结果：当所检测的每个子系统内均无不良数据，或者具有不良数据的子系统的结点数均小于或等于4，则满足检测终止条件，结束检测；5）、当不满足检测终止条件，则更新图模型，并执行步骤2）?步骤4）直到满足检测终止条件。

【技术特征摘要】
1.基于自适应分区状态估计的智能电网不良数据检测方法，其特征在于，包括如下步骤: 1)、根据给定的智能电网，构造相应的图模型； 2)、根据构造的图模型，通过分区/聚类算法对图模型分区，将图模型划分为若干子图，每个子图对应于智能电网中一个的子系统； 3)、根据子系统分区结果，对每个子系统进行不良数据检测； 4)、根据不良数据检测结果:当所检测的每个子系统内均无不良数据，或者具有不良数据的子系统的结点数均小于或等于4，则满足检测终止条件，结束检测； 5)、当不满足检测终止条件，则更新图模型，并执行步骤2)-步骤4)直到满足检测终止条件。2.根据权利要求1所述的方法，其特征在于，所述步骤I)中建立图模型的方法为: 首先根据给定的智能电网的物理参数以及拓扑结构，选取发电机或者负载结点作为图的顶点；当两个结点直接通过物理输电线路相连，则对应的顶点之间有直接相连的边；所述给定的智能电网中含有η个发电/负载结点，m条传输线路，η和m均为正整数；构建图模型G= {V, A};其中，V= (V1, N2,...VJ为图的顶点，对应于电网中的发电/负载结点'A= (BijIi，j = 1，2，…，η为图的权重矩阵，当au=0代表顶点之间没有传输线路直接相连；选取传输线路的阻抗值、网络连通状况或者是线路上的实际功率潮流作为图模型中边的权重。3.根据权利要求1所述的方法，其特征在于，步骤2)的分区过程中，顶点之间的距离以步骤I)中所设定的边的权重为准，并采用基于图模型的L-bounded分区算法、K均值算...

【专利技术属性】
技术研发人员：刘烃，王岱，顾运，桂宇虹，管晓宏，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：