基于优化神经网络的电力调度自动化系统入侵检测算法

• 作者: 李怡康 梁野 裴培 霍雪松 马骁
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 优化神经网络 入侵检测 电力调度自动化 人工误操作
• 年，卷（期）: 2018,（18）
• 所属期刊栏目: 研究与设计
• 页码范围: 31-35
• 页数: 5页
• 分类号: TP2
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1801698

摘要

电力调度自动化系统是由用来监视、测量和控制参与发电设备所组成的系统,它的安全运行是电力系统正常运转的基础.提出一种基于优化的神经网络的电力调度自动化系统入侵检测算法,通过采用粒子群优化算法对传统的BP神经网络参数进行优化,并使用多种类型的攻击数据对参数优化的BP神经网络进行训练,使基于该优化算法的检测模型可有效检测入侵电力调度自动化系统的典型攻击.另外,将人工误操作视为一种特殊类型的攻击,通过对此类攻击发生时系统重要运行特征的训练学习,算法也可实现对此类型攻击的识别检测.实验结果对比验证了算法的可行性和有效性.基于本算法的模型可为电力调度自动化系统的安全提供有力保障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	霍雪松		15	132	8.0	11.0
2	裴培		2	6	1.0	2.0
3	李怡康		1	0	0.0	0.0
4	马骁		1	0	0.0	0.0
5	梁野		1	0	0.0	0.0