【技術實現步驟摘要】
本專利技術涉及能源電力系統的網絡安全領域，特別涉及一種電力系統虛假數據注入攻擊檢測方法及系統。
技術介紹
1、隨著能源電力系統的不斷發展，配電系統中引入了越來越多的智能設備和自動化技術，這些技術提高了系統的運行效率和可靠性。然而，隨著這些技術的發展，系統的安全性也面臨著更大的挑戰，特別是虛假數據注入攻擊(false?data?injection?attack,fdia)的威脅，fdia攻擊者通過篡改系統的測量數據，干擾系統的狀態估計，從而可能導致電力系統運行不穩定，甚至引發大規模停電等嚴重后果。因此，如何有效地檢測和防范fdia成為當前電力系統安全領域的重要研究課題。
2、傳統的狀態估計方法主要依賴于加權最小二乘法(weighted?least?squares,wls)，該方法假設測量誤差服從高斯分布，通過最小化測量誤差與估計值之間的差異來獲取系統的最優狀態。然而，傳統的wls方法對fdia攻擊的魯棒性較差，難以檢測出隱蔽性強的虛假攻擊，基于殘差分析的壞數據檢測(bad?data?detection,bdd)技術雖然可以在一定程度上檢測出異常數據，但面對經過精心設計的隱蔽性fdia攻擊，其效果有限。
3、近年來，深度學習技術在處理復雜時序數據方面顯示出顯著優勢，成為電力系統虛假數據檢測的新興方向。擴張因果卷積(dilated?causal?convolutions)和遞歸神經網絡(recurrent?neural?network,rnn)等深度學習方法能夠有效捕捉時間序列數據中的長期依賴關系和復雜模式，具
4、配電系統的實時監控對于維護系統的安全性和可靠性至關重要，配電系統運營商通過儀表監控配電系統的各個組成部分，并將讀數報告給控制中心，控制中心根據這些測量數據估算系統狀態。然而，fdia攻擊者能夠繞過傳統檢測機制，使系統進入不安全狀態。因此，亟需一種結合傳統方法和深度學習技術的綜合檢測方案，以提高對配電系統中fdia攻擊的檢測和防范能力。
5、cn202311719887.5a提供了一種基于深度雅克比的網絡攻擊彈性檢測恢復方法及系統。本專利技術在建立綜合能源系統電氣熱網模型和能量分布圖后，考dos攻擊和fdi攻擊干擾，利用神經網絡并行cnnbilstm模型來檢測攻擊類型，最后通過深度雅克比下降算法抵抗攻擊影響，實現網內網間能量控制。該專利技術其計算復雜度較高，可能導致實時性較差，尤其是在大規模綜合能源系統中，計算負擔會顯著增加。魯棒性問題：對于不同類型的攻擊，該方法需要調整模型參數以確保效果，缺乏對多樣化攻擊場景的通用性和魯棒性。能源分布圖的精確性依賴：方法依賴于精確的能源分布圖，如果模型或數據不準確，可能導致誤檢測或恢復不完全。
6、cn202210258426.1a提供一種基于cnn-gru的電網虛假數據注入檢測方法，在電力系統數據維度高、數量大、種類多的特征下，能夠利用采集到的歷史數據以及實時數據，準確、快速地檢測并判斷出電網是否存在虛假數據注入攻擊。該方法主要包含空間特征提取器、時序特征提取器和攻擊檢測器三個部分的設計。該專利技術在卷積神經網絡cnn中加入了雙向的門控循環單元層gru，構造一cnn-gru混合網絡，利用了循環卷積網絡對數據時序特征優異的提取能力，通過融合卷積神經網絡對電網數據空間特征的提取。之后利用電網的冗余數據訓練模型，得到被攻擊數據的時空特征庫，最后將獲取的實時電網數據輸入模型進行驗證并分類。該專利技術依賴于電網的冗余數據進行訓練和檢測，如果數據冗余不足或者數據質量較低，影響檢測的準確性。模型復雜性：cnn-gru混合模型盡管提高了時空特征的提取能力，但復雜的模型結構可能導致訓練時間過長、計算資源消耗過大，并可能在部署時遇到實際應用的挑戰。泛化能力有限：該方法的泛化能力在面對不同類型或不同規模的電網時可能存在不足，需要對模型進行較為頻繁的調整或再訓練。
7、cn202010143003.6a提供了一種基于gep-cnn的電網虛假數據注入檢測方法，在數據量大、維度多、數據種類多的電力系統中，能夠利用現有的大數據信息及時準確的檢測出電網中是否存在虛假數據注入攻擊，其主要包括三個部分：神經網絡優化器、樣本訓練器、檢測分類器。該專利技術將gep算法加入cnn網絡中，構建一個gep-cnn混合網絡，利用gep算法的全局搜索能力對cnn網絡的初始權重進行優化。然后利用歷史數據庫中的歷史數據進行學習訓練，得到攻擊數據特征庫，最后對采集到的實時數據進行檢測分類。該專利技術中gep-cnn方法依賴gep算法進行初始權重優化，如果初始權重選擇不佳，可能導致網絡訓練陷入局部最優，影響檢測性能。大數據訓練時間長：由于該方法需要利用大數據進行訓練，在數據量大、數據維度高的情況下，訓練時間較長，可能影響方法的實時性。檢測分類器的依賴性：該方法依賴檢測分類器進行最終的檢測和分類，但如果分類器的設計不夠優化或數據特征庫不完善，可能導致誤報或漏報現象。
技術實現思路
1、為解決現有技術中存在的不足，本專利技術提出了一種電力系統虛假數據注入攻擊檢測方法，通過研究攻擊模擬與識別、深度學習應用以及wls狀態估計與深度學習結合，有效提高配電系統對fdia攻擊的檢測和防范能力，確保系統的安全穩定運行。
2、本專利技術采用如下的技術方案。
3、一種電力系統虛假數據注入攻擊檢測方法，其特征在于，所述方法包括以下步驟：
4、步驟1：獲取配電系統的測量數據；
5、步驟2：構建攻擊序列，并將構建的攻擊序列注入步驟1獲取的測量數據中來模擬虛假數據注入攻擊配電系統；
6、步驟3：基于擴張因果卷積和遞歸神經網絡構建虛假數據注入攻擊檢測模型，來分析步驟2注入虛假數據攻擊的配電系統的狀態；
7、步驟4：根據步驟3分析的配電系統的狀態，來判斷攻擊行為。
8、進一步優選地，
9、步驟1中，配電系統的測量數據包括實時測量數據、偽測量數據以及虛擬測量數據；
10、其中，所述實時測量數據包括來自配電自動化系統、scada系統、智能電表和智能電子設備的實時電壓、實時電流和功率測量數據；
11、所述偽測量數據包括饋線母線上的偽功率；
12、所述虛擬測量數據包括封閉式開關設備中的零壓降、零功率流以及開關站節點處的零母線注入測量值。
13、進一步優選地，
14、步驟2中，攻擊序列的構建公式如下所示：
15、
16、其中，a表示攻擊向量；c表示一個非零向量，表示配電系統測量數據，表示配電系統的測量函數，表示被攻擊后配電系統的測量函數。
17、進一步優選地，
18、步驟2中，將構建的攻擊序列注入配電系統的量測數據中來模擬虛假數據注入攻擊包括按如下公式構建虛假數據：
19本文檔來自技高網...
【技術保護點】
1.一種電力系統虛假數據注入攻擊檢測方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的虛假數據注入攻擊檢測方法，其特征在于：
3.根據權利要求1所述的虛假數據注入攻擊檢測方法，其特征在于：
4.根據權利要求3所述的虛假數據注入攻擊檢測方法，其特征在于：
5.根據權利要求1所述的虛假數據注入攻擊檢測方法，其特征在于：
6.根據權利要求5所述的虛假數據注入攻擊檢測方法，其特征在于：
7.根據權利要求5所述的虛假數據注入攻擊檢測方法，其特征在于：
8.根據權利要求5所述的虛假數據注入攻擊檢測方法，其特征在于：
9.根據權利要求5所述的虛假數據注入攻擊檢測方法，其特征在于：
10.一種利用權利要求1-9任一項權利要求所述方法的虛假數據注入攻擊檢測系統，包括測量數據獲取模塊、攻擊序列構建模塊、攻擊檢測模型構建模塊以及系統狀態判斷模塊，其特征在于：
11.一種終端，包括處理器及存儲介質；其特征在于：
12.計算機可讀存儲介質，其上存儲有計算機程序
...【技術特征摘要】
1.一種電力系統虛假數據注入攻擊檢測方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的虛假數據注入攻擊檢測方法，其特征在于：
3.根據權利要求1所述的虛假數據注入攻擊檢測方法，其特征在于：
4.根據權利要求3所述的虛假數據注入攻擊檢測方法，其特征在于：
5.根據權利要求1所述的虛假數據注入攻擊檢測方法，其特征在于：
6.根據權利要求5所述的虛假數據注入攻擊檢測方法，其特征在于：
7.根據權利要求5所述的虛假數據注入攻擊檢測方法，其特征在于：<...
【專利技術屬性】
技術研發人員：李桐，王磊，耿洪碧，劉揚，陳劍，趙宏偉，劉齊，李歡，楊舒鈞，孫茜，肖楠，佟昊松，朱紫煜，劉祉成，
申請(專利權)人：國網遼寧省電力有限公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。