[發(fā)明專利]一種基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202110453826.3
• 申請日: 2021-04-26
• 公開（公告）號: CN113191485A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設計）人: 楊珺;殷健舒;孫秋野;張化光;劉鑫蕊;蘇涵光;楊東升;王迎春
• 申請（專利權）人: 東北大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;H02J3/00;H02J3/06;H02J13/00
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 修睿;李洪福

1.一種基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測系統(tǒng)，其特征在于，包括：

數(shù)據(jù)獲取模塊：用于獲取電網(wǎng)量測信息和狀態(tài)信息以及負荷的預測數(shù)據(jù)；

最優(yōu)潮流模塊：用于基于獲取的數(shù)據(jù)計算最優(yōu)潮流運行情況下，電網(wǎng)的節(jié)點有功功率、節(jié)點無功功率、支路有功功率、支路無功功率和節(jié)點電壓幅值；

NARX神經(jīng)網(wǎng)絡設計模塊：用于基于獲取的數(shù)據(jù)進行NARX神經(jīng)網(wǎng)絡的建模和訓練；

狀態(tài)向量預測模塊：用于基于最優(yōu)潮流模塊輸出的數(shù)據(jù)和構筑的NARX神經(jīng)網(wǎng)絡預測狀態(tài)向量并計算殘差向量；

攻擊判別模塊：用于進行殘差向量的2-范數(shù)檢測及最大標準化殘差檢測，基于檢測值與閾值比較，判斷量測信息中是否含有不良數(shù)據(jù)。

2.根據(jù)權利要求1所述的基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測系統(tǒng)，其特征在于，所述數(shù)據(jù)獲取模塊包括SCADA系統(tǒng)數(shù)據(jù)獲取單元和負荷預測值獲取單元，所述SCADA系統(tǒng)數(shù)據(jù)獲取單元用于獲取電網(wǎng)量測信息和狀態(tài)信息的歷史數(shù)據(jù)，以及實時量測信息數(shù)據(jù)；所述負荷預測值獲取單元用于從電力市場獲取負荷的預測值。

3.根據(jù)權利要求1所述的基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測系統(tǒng)，其特征在于，所述最優(yōu)潮流模塊包括最優(yōu)潮流計算模型構建單元和求解單元；所述最優(yōu)潮流計算模型構建單元用于構建最優(yōu)潮流計算模型；所述求解單元用于求解最優(yōu)潮流模型，求取電網(wǎng)的節(jié)點有功功率、節(jié)點無功功率、支路有功功率、支路無功功率和節(jié)點電壓幅值。

4.根據(jù)權利要求1所述的基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測系統(tǒng)，其特征在于，所述NARX神經(jīng)網(wǎng)絡設計模塊包括NARX神經(jīng)網(wǎng)絡模型構建單元和訓練單元；所述NARX神經(jīng)網(wǎng)絡模型構建單元用于構建NARX神經(jīng)網(wǎng)絡模型；所述訓練單元用于NARX神經(jīng)網(wǎng)絡的訓練。

5.根據(jù)權利要求1所述的基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測系統(tǒng)，其特征在于，所述狀態(tài)向量預測模塊包括預測單元和殘差向量計算單元；所述預測單元用于對電網(wǎng)實時狀態(tài)信息進行預測；所述殘差向量計算單元用于根據(jù)預測得到的電網(wǎng)實時狀態(tài)信息計算相應的殘差向量。

6.根據(jù)權利要求1所述的基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測系統(tǒng)，其特征在于，所述攻擊判別模塊包括2-范數(shù)檢測單元和最大標準化殘差檢測單元；所述2-范數(shù)檢測單元：用于檢測殘差向量的2-范數(shù)是否滿足閾值要求；所述最大標準化殘差檢測單元：用于檢測最大標準化殘差是否滿足閾值要求。

7.一種基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測方法，其特征在于，包括以下步驟：

步驟1：從SCADA系統(tǒng)中獲取電網(wǎng)量測信息和狀態(tài)信息的歷史數(shù)據(jù)，以及實時量測信息；

步驟2：構建NARX神經(jīng)網(wǎng)絡模型，通過量測信息和狀態(tài)信息的歷史數(shù)據(jù)對模型進行訓練，獲得最優(yōu)NARX模型；

步驟3：從電力市場獲取電力系統(tǒng)負荷的預測數(shù)據(jù)，通過最優(yōu)潮流計算得到在相應負荷情況下電網(wǎng)的最優(yōu)運行狀態(tài)，獲取此狀態(tài)下電網(wǎng)節(jié)點有功功率、節(jié)點無功功率、支路有功功率、支路無功功率和節(jié)點電壓幅值；

步驟4：將步驟3計算得到的數(shù)據(jù)作為輸入，使用最優(yōu)NARX模型對電網(wǎng)狀態(tài)信息進行預測；

步驟5：根據(jù)預測得到的狀態(tài)信息計算殘差向量，使用殘差向量的2-范數(shù)檢測及最大標準化殘差檢測方法，判斷量測信息中是否含有不良數(shù)據(jù)。

8.根據(jù)權利要求7所述的基于NARX神經(jīng)網(wǎng)絡的電力信息網(wǎng)絡安全檢測方法，其特征在于，所述步驟1中，獲取的電網(wǎng)量測信息包含節(jié)點有功功率、節(jié)點無功功率、支路有功功率、支路無功功率、節(jié)點電壓幅值，狀態(tài)信息包含節(jié)點電壓幅值、節(jié)點電壓相角，分別記為量測向量z(t)和狀態(tài)向量x(t)，形式如下：

其中P_ij為線路i-j的有功功率，Q_ij為線路i-j的無功功率，P_i為節(jié)點i的有功功率注入量，Q_i為節(jié)點i的無功功率注入量，V_i為節(jié)點i的電壓幅值，θ_i為節(jié)點i的電壓相角。