虚假数据注入攻击(false data injection attack,FDIA)是威胁电网运行安全的主要因素之一,其主要通过攻击电网中的一些通信环节,误导电力系统的状态估计结果,给电网安全运行带来巨大威胁。针对FDIA难以有效检测及电力系统状态估计中过...虚假数据注入攻击(false data injection attack,FDIA)是威胁电网运行安全的主要因素之一,其主要通过攻击电网中的一些通信环节,误导电力系统的状态估计结果,给电网安全运行带来巨大威胁。针对FDIA难以有效检测及电力系统状态估计中过程噪声与量测噪声两者协方差矩阵非正定问题,将向量自回归(vector auto regression,VAR)模型引入电力系统状态估计,提出一种基于VAR和加权最小二乘法(weighted least squares,WLS)的FDIA检测方法。首先,建立VAR状态估计模型,将量测噪声视为稳定量,只对过程噪声进行估计,解决两者协方差矩阵的非正定问题;其次,分别采用VAR与WLS对电力系统进行状态估计,采用一致性检验与量测量残差检验对2种方法的结果进行检测,以判定是否存在FDIA;最后,IEEE 14节点和IEEE 30节点仿真结果表明,本文所提检测方法能够成功检测到FDIA,且检测成功率较高,从而验证了该方法的可行性及有效性。展开更多
为提高状态估计的抗差性,提出一种基于最大指数绝对值目标函数的状态估计(maximum exponential absolute value state estimation,MEAV)方法。首先给出了MEAV的基本模型,并介绍了其理论基础和数学性质。由于MEAV基本模型的目标函数并非...为提高状态估计的抗差性,提出一种基于最大指数绝对值目标函数的状态估计(maximum exponential absolute value state estimation,MEAV)方法。首先给出了MEAV的基本模型,并介绍了其理论基础和数学性质。由于MEAV基本模型的目标函数并非处处可导,因而无法利用基于梯度的方法进行求解。为此,给出了MEAV基本模型的等价模型,并详细推导了基于原-对偶内点算法的MEAV等价模型的求解方法。算例分析表明,MEAV在估计过程中可自动抑制多个强相关不良数据,显示了良好的抗差性和较高的计算效率,因而具有良好的工程应用前景。展开更多
文摘虚假数据注入攻击(false data injection attack,FDIA)是威胁电网运行安全的主要因素之一,其主要通过攻击电网中的一些通信环节,误导电力系统的状态估计结果,给电网安全运行带来巨大威胁。针对FDIA难以有效检测及电力系统状态估计中过程噪声与量测噪声两者协方差矩阵非正定问题,将向量自回归(vector auto regression,VAR)模型引入电力系统状态估计,提出一种基于VAR和加权最小二乘法(weighted least squares,WLS)的FDIA检测方法。首先,建立VAR状态估计模型,将量测噪声视为稳定量,只对过程噪声进行估计,解决两者协方差矩阵的非正定问题;其次,分别采用VAR与WLS对电力系统进行状态估计,采用一致性检验与量测量残差检验对2种方法的结果进行检测,以判定是否存在FDIA;最后,IEEE 14节点和IEEE 30节点仿真结果表明,本文所提检测方法能够成功检测到FDIA,且检测成功率较高,从而验证了该方法的可行性及有效性。
文摘为提高状态估计的抗差性,提出一种基于最大指数绝对值目标函数的状态估计(maximum exponential absolute value state estimation,MEAV)方法。首先给出了MEAV的基本模型,并介绍了其理论基础和数学性质。由于MEAV基本模型的目标函数并非处处可导,因而无法利用基于梯度的方法进行求解。为此,给出了MEAV基本模型的等价模型,并详细推导了基于原-对偶内点算法的MEAV等价模型的求解方法。算例分析表明,MEAV在估计过程中可自动抑制多个强相关不良数据,显示了良好的抗差性和较高的计算效率,因而具有良好的工程应用前景。
