[發明專利]基于概率的智能變電站網絡異常流量檢測模型構建方法

有效

• 申請號: 201710691297.4
• 申請日: 2017-08-14
• 公開（公告）號: CN107517205B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 楊強;郝唯杰
• 申請（專利權）人: 浙江大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

1.一種基于概率模型的智能變電站網絡異常流量檢測模型構建方法，其特征在于包括以下步驟：

(1)基于變電站通信流量數據建立優化的FARIMA(p,d,q)模型，并對模型進行校驗；多次運行FARIMA(p,d,q)模型預測目標序列，并設計算法篩選具有智能變電站流量特征的預測值，生成不同置信度下的流量閾值模型；

(2)選取不同置信度下的流量閾值模型，采用異常流量值作為閾值基準設計變電站通信網絡異常算法；

(3)根據智能變電站通信網絡異常在流量層面上的不同體現，設計不同閾值基準；建立智能變電站通信流量異常檢測系統；

所述步驟(1)具體為：

(a)對采集的智能變電站通信流量數據進行數據分析，包括序列長度分析、周期性分析、平穩性分析以及自相關性分析；

(b)建立優化的FARIMA(p,d,q)模型，并對模型進行校驗；

(c)比較不同算法的擬合優度以及預測效果；

(d)多次運行FARIMA(p,d,q)模型，設計算法對所有通過FARIMA(p,d,q)模型的具有智能變電站流量特征的預測數據進行篩選分析，即：

其中X_t為原始序列，為第i次模擬的第j個預測序列值，n為預測步長，randm是范圍為(1,l-n+1)區間內的隨機正整數，設預測序列號為j，智能變電站通信流量閾值模型生成公式如下：

式中，maxY_j為序列號為j時刻處的最大值；minY_j為序列號為j時刻處的最小值，k為通過算法篩選的FARIMA(p,d,q)模擬次數；

從統計學意義上分析不同置信度下的流量閾值模型，其公式如下：

其中P為置信度，α為顯著性，S_inside為在流量閾值區間內的序列個數，S_total為仿真預測的序列總數，由不同的S_inside得到不同置信度下的通信流量模型；

所述步驟(2)具體為：

(a)選取具體置信度下的變電站流量閾值模型，分析變電站網絡異常情況；通過實際流量與異常流量的疊加產生變電站的異常通信流量數值；

(b)設計智能變電站通信流量異常檢測算法，規定正常流量Z_t，Z_t∈[MinZ_t,MaxZ_t]；MinZ_t為t時刻正常流量的最小值，MaxZ_t為t時刻正常流量的最大值，定義待檢測時刻的流量大小為D_t，若存在：D_t＞MaxZ_t或D_t＜MinZ_t；則t時刻的待檢測流量D_t存在異常的情況；

定義待測流量異常因數λ_detect，表示t時刻待測流量與正常流量之間的偏差：

而當待測流量值處于正常流量閾值區間D_t∈[MinZ_t,MaxZ_t]時，λ_detect(t)取0，

采用生成的變電站異常通信流量數據設計站控層閾值基準，定義異常流量因數λ_anomaly，表示t時刻異常流量與正常流量之間的偏差：

其中A_t為t時刻的異常流量值，max(X_t)為原始流量序列的最大值，min(X_t)為原始序列的最小值；

構造(w×n)階異常流量偏差矩陣為λ_(w×n)，w為已檢測到的不同種類的變電站網絡異常情況總和，n為待測流量步長:

規定ξ為某時刻t時變電站網絡出現某瞬時異常的概率；

ξ_(w,t)＝κσ(λ_(w,t))^μ

其中μ為變電站結構復雜程度參數，與智能變電站內的IED數量，以太網內監控主機的數目以及采用IEC61850，IEC62351協議的規范程度有關；κ為該主機或交換機在整個變電站網絡中的權重；σ為智能變電站網絡組網方式系數，

規定變電站網絡在某時刻t的可靠性指數為γ_t，設異常情況為w種:

定義變電站通信網絡在待測序列所處時段的脆弱性指數為ν,

所述步驟(3)具體為：

(a)具體分析變電站網絡異常流量的情況，計算智能變電站通信網絡的異常流量偏差矩陣，可靠性指數與脆弱性指數；

(b)分析待測流量序列，根據不同的異常流量情況對待測的流量進行分析，由變電站通信網絡的可靠性指數與脆弱性指數評估分析變電站通信網絡在不同時段內的網絡的穩定性，采用不同等級的告警標準對變電站網絡異常的情況進行告警，當變電站脆弱性指數為ν滿足條件：

對變電站工作人員進行異常告警，式中p代表變電站流量閾值模型的置信度；η代表告警臨界值；c代表告警的級別指數，根據變電站網絡規模以及變電站負荷重要程度來選擇不同的告警級別；

(c)繼續采集變電站通信網絡流量，更新變電站正常通信流量閾值模型參數，對新的待檢測序列進行分析。