-
题名基于深度机器学习的电网虚假数据入侵检测方法研究
- 1
-
-
作者
朱文
胡亚平
聂涌泉
江伟
谢虎
-
机构
中国南方电网电力调度控制中心
南方电网数字电网研究院有限公司
-
出处
《电测与仪表》
北大核心
2025年第6期126-133,共8页
-
基金
国家重点研发计划项目(2020YFB0906000)
中国南方电网有限公司重点科技项目(0000002021030101X T00045)。
-
文摘
综合能源为主体的新型电力系统运行过程中,容易被虚假数据入侵,且识别虚假数据入侵时易受数据噪声干扰。为了提升其电能质量与运行稳定性,提出了基于深度机器学习的电网虚假数据入侵检测方法。对新型电网数据实施去噪的预处理,利用相量测量单元(phasor measurement unit,PMU)预测出新型电力系统等综合能源的实时系统状态。通过在PMU中不断添加错误测量向量得出虚假数据注入攻击(false data injection attacks,FDIAs),判断电网是否已经被虚假信息攻击以及预测可能攻击的位置值。利用基于小波去噪的BP(back propagation)神经网络对预测结果训练,利用其中的输入层,隐含层以及输出层实时更新出实际值,与阈值比较得出偏差结果,即可检测出电网存在的虚假数据。实验结果表明,所提方法能够提前有效去除噪声,提高了电网虚假数据入侵检测精度高、且检测所需时间较短。
-
关键词
深度机器学习
电网虚假数据
数据入侵检测
数据攻击模型
相量数据集中器
-
Keywords
deep machine learning
false data in power grid
data intrusion detection
data attack model
phasor data concentrator
-
分类号
TM464
[电气工程—电器]
-
