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

在審

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

本發(fā)明公開了一種智能電網(wǎng)中虛假數(shù)據(jù)檢測方法、裝置、設(shè)備及存儲介質(zhì)，其方法包括：將實時接收到的測量值輸入訓(xùn)練好的多模型神經(jīng)網(wǎng)絡(luò)中輸出實時的預(yù)測值；將實時的測量值和預(yù)測值做差得到實時的差值，并求得實時的差值平均值；利用聚類方法將實時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時的類平均值；判斷實時的類平均值與設(shè)定的閾值的大小，若實時的類平均值大于閾值，則認為此時發(fā)生虛假數(shù)據(jù)攻擊；若實時的類平均值小于等于閾值，則認為此時未發(fā)生虛假數(shù)據(jù)攻擊。本發(fā)明能夠精確的預(yù)測虛擬數(shù)據(jù)的攻擊，從而保證電力系統(tǒng)的安全。

技術(shù)領(lǐng)域

本發(fā)明涉及一種智能電網(wǎng)中虛假數(shù)據(jù)檢測方法、裝置、設(shè)備及存儲介質(zhì)，屬于電力系統(tǒng)技術(shù)領(lǐng)域。

背景技術(shù)

現(xiàn)在的電力系統(tǒng)越來越智能化，因此被稱之為智能電網(wǎng)。智能電網(wǎng)通過智能儀表采集數(shù)據(jù)，并通過通信網(wǎng)絡(luò)將數(shù)據(jù)傳遞到控制中心，由控制中心對收集到的數(shù)據(jù)進行處理并依據(jù)處理結(jié)果相應(yīng)的對智能電網(wǎng)做出指令。正是由于通信網(wǎng)絡(luò)和智能儀表的使用使得電力系統(tǒng)可能遭受更多的威脅。虛假數(shù)據(jù)攻擊即為智能電網(wǎng)威脅的一種，它通過改變智能儀表的數(shù)據(jù)完整性而對電力系統(tǒng)發(fā)起攻擊，使得控制系統(tǒng)在錯誤數(shù)據(jù)下做出錯誤指令，進而對電力系統(tǒng)進行破壞造成經(jīng)濟損失。

為了對虛假數(shù)據(jù)進行檢測從而保證電力系統(tǒng)安全，本發(fā)明提出了一種智能電網(wǎng)中虛假數(shù)據(jù)檢測方法、裝置、設(shè)備及存儲介質(zhì)。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供一種智能電網(wǎng)中虛假數(shù)據(jù)檢測方法、裝置、設(shè)備及存儲介質(zhì)，解決電力系統(tǒng)中虛假數(shù)據(jù)檢測的技術(shù)問題

為達到上述目的，本發(fā)明是采用下述技術(shù)方案實現(xiàn)的：

第一方面，本發(fā)明提供了一種智能電網(wǎng)中虛假數(shù)據(jù)檢測方法，包括：

將實時接收到的測量值輸入訓(xùn)練好的多模型神經(jīng)網(wǎng)絡(luò)中輸出實時的預(yù)測值；

將實時的測量值和預(yù)測值做差得到實時的差值，并求得實時的差值平均值；

利用聚類方法將實時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時的類平均值；

判斷實時的類平均值與設(shè)定的閾值的大小，

若實時的類平均值大于閾值，則認為此時發(fā)生虛假數(shù)據(jù)攻擊；

若實時的類平均值小于等于閾值，則認為此時未發(fā)生虛假數(shù)據(jù)攻擊。

優(yōu)選的，所述閾值的設(shè)定包括：

取訓(xùn)練集中測量值輸入訓(xùn)練好的多模型神經(jīng)網(wǎng)絡(luò)中輸出對應(yīng)的預(yù)測值；

將每個時刻的測量值和預(yù)測值做差得到差值，并求得每個時刻的差值平均值；

利用聚類方法將每個時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；

將每個時刻的類平均值組成時間序列，并基于時間序列求出累積概率分布曲線；

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

優(yōu)選的，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)拓撲結(jié)構(gòu)將收到的1×(b+l)維測量數(shù)據(jù)構(gòu)建為b×b維的測量矩陣；其中，b為電網(wǎng)節(jié)點總數(shù)，l為節(jié)點之間傳輸線總數(shù)；

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

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

將生成的k個數(shù)據(jù)矩陣輸入k個多模型神經(jīng)網(wǎng)絡(luò)，對多模型神經(jīng)網(wǎng)絡(luò)進行訓(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。