基于改进卷积神经网络的电网假数据注入攻击检测方法

• 作者: 曾婧 李元诚
• 来源期刊: 电力系统自动化
• 关键词: 智能电网 状态估计 卷积神经网络 假数据注入攻击
• 年，卷（期）: 2019,（20）
• 所属期刊栏目: 学术研究
• 页码范围: 97-104
• 页数: 8页
• 字数: 6913字
• 语种: 中文
• DOI: 10.7500/AEPS20180919001

摘要

假数据注入攻击可以篡改由数据采集与监控(SCADA)系统采集到的量测信息,影响电网的重要决策,从而对电网状态估计造成安全威胁.针对智能电网状态估计,研究了交流模型下假数据注入攻击的原理,构建了基于改进卷积神经网络(CNN)的假数据注入攻击检测模型.将门控循环单元(GRU)结构加入CNN中的全连接层之前构建CNN-GRU混合神经网络,根据电网历史量测数据进行训练并更新网络参数,提取数据的空间和时间特征,并根据提出的模型设计实现了高效实时的假数据注入攻击检测器.最后,在IEEE 14节点和IEEE 118节点测试系统中,与基于传统CNN、循环神经网络及深度信念网络的检测方法分别进行了大量对比实验,验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李元诚		15	78	4.0	8.0
2	曾婧		2	4	1.0	2.0