[發(fā)明專利]智能電網(wǎng)中虛假數(shù)據(jù)檢測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110779286.8
• 申請(qǐng)日: 2021-07-09
• 公開（公告）號(hào): CN113657644A
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計(jì)）人: 王玉峰;張志浩
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q30/00;G06Q50/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

1.一種智能電網(wǎng)中虛假數(shù)據(jù)檢測(cè)方法，其特征在于，包括：

將實(shí)時(shí)接收到的測(cè)量值輸入訓(xùn)練好的多模型神經(jīng)網(wǎng)絡(luò)中輸出實(shí)時(shí)的預(yù)測(cè)值；

將實(shí)時(shí)的測(cè)量值和預(yù)測(cè)值做差得到實(shí)時(shí)的差值，并求得實(shí)時(shí)的差值平均值；

利用聚類方法將實(shí)時(shí)的差值平均值分為兩類，選取其中數(shù)據(jù)量大的一類并求得實(shí)時(shí)的類平均值；

判斷實(shí)時(shí)的類平均值與設(shè)定的閾值的大小，

若實(shí)時(shí)的類平均值大于閾值，則認(rèn)為此時(shí)發(fā)生虛假數(shù)據(jù)攻擊；

若實(shí)時(shí)的類平均值小于等于閾值，則認(rèn)為此時(shí)未發(fā)生虛假數(shù)據(jù)攻擊。

2.根據(jù)權(quán)利要求1所述的一種智能電網(wǎng)中虛假數(shù)據(jù)檢測(cè)方法，其特征在于，所述閾值的設(shè)定包括：

取訓(xùn)練集中測(cè)量值輸入訓(xùn)練好的多模型神經(jīng)網(wǎng)絡(luò)中輸出對(duì)應(yīng)的預(yù)測(cè)值；

將每個(gè)時(shí)刻的測(cè)量值和預(yù)測(cè)值做差得到差值，并求得每個(gè)時(shí)刻的差值平均值；

利用聚類方法將每個(gè)時(shí)刻的差值平均值分為兩類，選取其中數(shù)據(jù)量大的一類并求得其類平均值；

將每個(gè)時(shí)刻的類平均值組成時(shí)間序列，并基于時(shí)間序列求出累積概率分布曲線；

通過威布爾函數(shù)對(duì)累積概率分布曲線進(jìn)行擬合，并給定預(yù)設(shè)的虛假警示率求得閾值。

3.根據(jù)權(quán)利要求2所述的一種智能電網(wǎng)中虛假數(shù)據(jù)檢測(cè)方法，其特征在于，所述多模型神經(jīng)網(wǎng)絡(luò)的訓(xùn)練包括：

根據(jù)智能電網(wǎng)拓?fù)浣Y(jié)構(gòu)將收到的1×(b+l)維測(cè)量數(shù)據(jù)構(gòu)建為b×b維的測(cè)量矩陣；其中，b為電網(wǎng)節(jié)點(diǎn)總數(shù)，l為節(jié)點(diǎn)之間傳輸線總數(shù)；

利用隨機(jī)函數(shù)生成n×k維隨機(jī)矩陣；其中，n∈[0,b]，k的取值取決于時(shí)間復(fù)雜度和預(yù)測(cè)效果之間的平衡；

測(cè)量矩陣按照隨機(jī)矩陣的第m∈[1,k]列剔除n行n列，從而生成k個(gè)(b-n)×(b-n)維的數(shù)據(jù)矩陣；

將生成的k個(gè)數(shù)據(jù)矩陣輸入k個(gè)多模型神經(jīng)網(wǎng)絡(luò)，對(duì)多模型神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，多模型神經(jīng)網(wǎng)絡(luò)由卷積神經(jīng)網(wǎng)絡(luò)、回歸神經(jīng)網(wǎng)絡(luò)和全連接層組成。

4.根據(jù)權(quán)利要求3所述的一種智能電網(wǎng)中虛假數(shù)據(jù)檢測(cè)方法，其特征在于，所述根據(jù)智能電網(wǎng)拓?fù)浣Y(jié)構(gòu)將收到的1×(b+l)維測(cè)量數(shù)據(jù)構(gòu)建為b×b維的測(cè)量矩陣包括：

將收到的1×(b+l)維測(cè)量數(shù)據(jù)分為節(jié)點(diǎn)測(cè)量值和傳輸線測(cè)量值

將節(jié)點(diǎn)測(cè)量值放在測(cè)量矩陣的對(duì)角線位置，將傳輸線測(cè)量值放在上三角和下三角位置，兩節(jié)點(diǎn)之間沒有傳輸線則用0填充，則測(cè)量矩陣的表達(dá)式如下：

5.根據(jù)權(quán)利要求3所述的一種智能電網(wǎng)中虛假數(shù)據(jù)檢測(cè)方法，其特征在于，所述將生成的k個(gè)數(shù)據(jù)矩陣輸入k個(gè)多模型神經(jīng)網(wǎng)絡(luò)包括：

生成的k個(gè)數(shù)據(jù)矩陣送入k個(gè)卷積神經(jīng)網(wǎng)絡(luò)，用于提取智能電網(wǎng)的空間特征；

將卷積神經(jīng)網(wǎng)絡(luò)輸出值送入k個(gè)回歸神經(jīng)網(wǎng)絡(luò)，用于提取數(shù)據(jù)之間的時(shí)間特征；

將每個(gè)回歸神經(jīng)網(wǎng)絡(luò)的輸出值連接到一個(gè)全連接層，每個(gè)全連接層輸出一個(gè)預(yù)測(cè)矩陣。

6.根據(jù)權(quán)利要求2所述的一種智能電網(wǎng)中虛假數(shù)據(jù)檢測(cè)方法，其特征在于，所述通過威布爾函數(shù)對(duì)累積概率分布曲線進(jìn)行擬合，并給定預(yù)設(shè)的虛假警示率求得閾值包括：

取累積概率分布曲線的橫軸的類平均值記為M，取累積概率分布曲線的縱軸的類平均值對(duì)應(yīng)的累積概率記為F(M)；

設(shè)定威布爾函數(shù)的表達(dá)式如下：

通過擬合得到參數(shù)α和β；

取預(yù)設(shè)的虛假警示率記為FAR，1-FAR對(duì)應(yīng)累積概率密度曲線的縱軸的累積概率，對(duì)應(yīng)橫坐標(biāo)即為閾值其表達(dá)式如下：