基于改进卷积神经网络的电网假数据注入攻击检测方法

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.

关键词：智能电网、状态估计、卷积神经网络、假数据注入攻击

所属期刊栏目：43

资助基金：中央高校基本科研业务费专项资金资助项目2018ZD06

在线出版日期：2019-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：97-104