针对直流微电网中虚假数据注入攻击(false data injection attack, FDIA)隐蔽性强、难以精准检测的问题,提出一种基于深度时空特征学习的FDIA检测方法。首先,构建并行双分支检测模型。一支引入Transformer模块,利用自注意力机制提取全...针对直流微电网中虚假数据注入攻击(false data injection attack, FDIA)隐蔽性强、难以精准检测的问题,提出一种基于深度时空特征学习的FDIA检测方法。首先,构建并行双分支检测模型。一支引入Transformer模块,利用自注意力机制提取全局信息与跨节点特征;另一支引入门控循环单元(gated recurrent unit, GRU),捕捉量测数据中的时间依赖性与动态演化模式。其次,通过特征尺度对齐与自适应加权实现空间与时间表征的特征级融合,并配合归一化与残差抑制冗余与噪声。然后,将融合后的特征输入神经网络分类器,实现对多类型攻击的一体化检测。最后,在典型直流微电网场景下构建多类型攻击数据集并开展对比实验。结果表明,该方法各项指标整体优于对比模型,且表现出较强的鲁棒性与泛化能力。展开更多
虚假数据注入(false data injection,FDI)攻击是对电力系统运行影响较为严重的一种攻击。目前已有对交直流混联电网的FDI攻击方法的研究,但仍缺乏对交直流混联电网攻击策略的优化研究。为此,文中提出了面向交直流混联电网的FDI攻击策略...虚假数据注入(false data injection,FDI)攻击是对电力系统运行影响较为严重的一种攻击。目前已有对交直流混联电网的FDI攻击方法的研究,但仍缺乏对交直流混联电网攻击策略的优化研究。为此,文中提出了面向交直流混联电网的FDI攻击策略优化方法。首先,建立以FDI攻击损失最大为目标的双层优化模型,上层模型以电力系统经济损失最大为目标对FDI攻击策略进行优化;下层模型以发电机出力调整量和切负荷量最小为目标计算FDI攻击下的最大经济损失,考虑交直流混联电网安全约束和换相失败风险。然后,采用遗传算法对优化模型进行求解,生成最优攻击策略。最后,以改进的IEEE 14节点系统为例验证了模型的有效性。仿真结果表明,优化后的攻击策略能够显著提高安全约束经济调度(security constrained economic dispatch,SCED)的运行成本。展开更多
文摘针对直流微电网中虚假数据注入攻击(false data injection attack, FDIA)隐蔽性强、难以精准检测的问题,提出一种基于深度时空特征学习的FDIA检测方法。首先,构建并行双分支检测模型。一支引入Transformer模块,利用自注意力机制提取全局信息与跨节点特征;另一支引入门控循环单元(gated recurrent unit, GRU),捕捉量测数据中的时间依赖性与动态演化模式。其次,通过特征尺度对齐与自适应加权实现空间与时间表征的特征级融合,并配合归一化与残差抑制冗余与噪声。然后,将融合后的特征输入神经网络分类器,实现对多类型攻击的一体化检测。最后,在典型直流微电网场景下构建多类型攻击数据集并开展对比实验。结果表明,该方法各项指标整体优于对比模型,且表现出较强的鲁棒性与泛化能力。
基金Supported by the National Natural Science Foundation of China(61873338)the Natural Science Foundation of Shandong Province(ZR2020KF034)the Taishan Scholars(tsqn201812052)。
