[發(fā)明專利]一種基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 202110683153.0 | 申請(qǐng)日: | 2021-06-21 |
| 公開(公告)號(hào): | CN115510933A | 公開(公告)日: | 2022-12-23 |
| 發(fā)明(設(shè)計(jì))人: | 王勇;謝敏敏;王威 | 申請(qǐng)(專利權(quán))人: | 上海電力大學(xué);上海云劍信息技術(shù)有限公司 |
| 主分類號(hào): | G06K9/62 | 分類號(hào): | G06K9/62;G06Q50/06 |
| 代理公司: | 南京禹為知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272 | 代理人: | 劉小莉 |
| 地址: | 200090 *** | 國(guó)省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 bpso knn 電力系統(tǒng) 虛假 數(shù)據(jù) 注入 攻擊 檢測(cè) 方法 | ||
1.一種基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特性在于,包括:
采集測(cè)量數(shù)據(jù);
利用KNN分類算法對(duì)所述測(cè)量數(shù)據(jù)進(jìn)行檢測(cè),檢測(cè)得到虛假數(shù)據(jù)注入攻擊,并獲取準(zhǔn)確性最高的最佳參數(shù);
基于獲得的最佳參數(shù)和利用BPSO算法搜尋到的全體最優(yōu)gbest,并采用所述KNN算法對(duì)BPSO的啟發(fā)式特征算法進(jìn)行測(cè)試得到分類精度;
評(píng)價(jià)所述分類精度,完成電力系統(tǒng)虛假數(shù)據(jù)注入攻擊的檢測(cè)。
2.如權(quán)利要求1所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:利用電力系統(tǒng)狀態(tài)估計(jì)值確定最佳的測(cè)量數(shù)據(jù),所述測(cè)量數(shù)據(jù)包括潮流、電壓幅值和相角。
3.如權(quán)利要求2所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:所述潮流、電壓幅值和相角的關(guān)系包括,
Z(k)=H(k)x(k)+∈(k)
其中,Z為測(cè)量向量,x為狀態(tài)變量向量,H為雅可比矩陣,∈為測(cè)量誤差,k為時(shí)間步長(zhǎng)。
4.如權(quán)利要求1~3任一項(xiàng)所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:在全局可觀測(cè)性假設(shè)下的所述電力系統(tǒng)狀態(tài)估計(jì)問題采用最小二乘法表述,包括,
其中,為系統(tǒng)估計(jì)狀態(tài)的向量,W為協(xié)方差矩陣。
5.如權(quán)利要求1所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:所述虛假數(shù)據(jù)注入攻擊包括注入測(cè)量?jī)x表的惡意數(shù)據(jù)。
6.如權(quán)利要求1或5所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:利用雅可比矩陣的線性因子來操縱網(wǎng)絡(luò)上的測(cè)量值,將所述虛假數(shù)據(jù)注入攻擊模擬為:
Zbad=Z+a
其中,a為一個(gè)攻擊向量。
7.如權(quán)利要求6所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:所述分類精度的計(jì)算包括,
8.如權(quán)利要求7所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:所述BPSO算法位置更新公式包括,
9.如權(quán)利要求8所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:在所述BPSO算法求解過程中,其兩個(gè)學(xué)習(xí)因子C1和C2的變化包括,
其中,C1b和C1e分別表示C1的初始值和最終值,C2b和C2e分別表示C2的初始值和最終值,i和M分別表示當(dāng)前迭代次數(shù)和最大迭代次數(shù)。
10.如權(quán)利要求1或7所述的基于BPSO和KNN的電力系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測(cè)方法,其特征在于:評(píng)價(jià)所述分類精度包括,將所述KNN算法和基于BPSO和KNN的算法的分類精確度進(jìn)行對(duì)比并評(píng)價(jià),得到最優(yōu)檢測(cè)算法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海電力大學(xué);上海云劍信息技術(shù)有限公司,未經(jīng)上海電力大學(xué);上海云劍信息技術(shù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110683153.0/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 一種基于GRFT的超高速運(yùn)動(dòng)目標(biāo)檢測(cè)方法
- 一種確定電網(wǎng)骨干網(wǎng)架線路的評(píng)估方法
- 一種基于BPSO-KNN模型的關(guān)鍵lncRNA預(yù)測(cè)方法
- 一種多屬性特征環(huán)境下高效特征選擇方法
- 一種基于改進(jìn)的支持向量機(jī)股票收益率預(yù)測(cè)方法
- 基于改進(jìn)粒子群算法的不規(guī)則管道缺陷的反演方法
- 基于多源信息的配電網(wǎng)故障定位方法
- 基于圖像清晰評(píng)價(jià)優(yōu)化的計(jì)算像差自動(dòng)校正方法
- 一種基于BPSO和綜合儲(chǔ)能策略的HEMS調(diào)度方法
- 一種基于BPSO算法的換相控制方法及系統(tǒng)
- 一種基于混合粒度分布式內(nèi)存網(wǎng)格索引的KNN查詢方法
- 一種基于最近鄰KNN算法的缺失數(shù)據(jù)填補(bǔ)方法
- 一種基于Hadoop平臺(tái)的改進(jìn)并行KNN網(wǎng)絡(luò)輿情分類算法
- 一種基于KNN的村莊用地復(fù)墾規(guī)劃模擬方法
- 一種基于AdaBoost-KNN的動(dòng)態(tài)人臉情感識(shí)別方法
- 一種海洋數(shù)據(jù)回歸模型獲得方法及裝置
- 一種按需快速構(gòu)建超表面的機(jī)器學(xué)習(xí)方法
- 一種基于VMD和樣本熵的電磁式電流互感器故障診斷方法
- 一種車用KNN基無鉛壓電陶瓷爆震傳感器的子組件
- 一種鈮酸鉀鈉無鉛壓電陶瓷與銀電極的低溫共燒方法
- 一種電力系統(tǒng)的諧波分析方法及其裝置
- 一種電力系統(tǒng)架線輔助裝置
- 基于FPGA的電力系統(tǒng)高速數(shù)據(jù)采集通信方法及通信設(shè)備
- 基于FPGA的電力系統(tǒng)高速數(shù)據(jù)通信設(shè)備
- 一種負(fù)荷建模方法及裝置
- 一種電力系統(tǒng)有功調(diào)度保守度的優(yōu)化方法
- 電力系統(tǒng)運(yùn)行優(yōu)化方法及終端設(shè)備
- 一種用于電力系統(tǒng)的數(shù)據(jù)處理方法
- 一種用于電力系統(tǒng)故障檢測(cè)的控制方法
- 一種電力系統(tǒng)頻率響應(yīng)系數(shù)測(cè)量方法、裝置和設(shè)備





