伪量测建模与AUKF在配电网虚假数据注入攻击辨识中的应用

摘要：

虚假数据注入攻击能够利用能量管理系统中的坏数据检测漏洞,恶意篡改状态估计结果,严重危害电力系统的安全可靠运行.同时,配电网因其网络拓扑结构复杂,量测冗余度低等特点,存在更大的潜在网络攻击威胁.针对此问题,首先介绍了一种自适应无迹卡尔曼滤波动态估计算法,并对系统动态模型进行改进;随后,基于云自适应粒子群优化脉冲神经网络构建配电网伪量测模型用以提高状态估计精度;最后,利用非线性滤波算法的动态迟滞特性,在线检测动态、静态状态估计的估计值偏差,对虚假数据注入攻击进行辨识.算例分析结果验证了自适应无迹卡尔曼滤波优异的动态估计性能以及伪量测模型的有效性,并在此基础上证明了所提虚假数据注入攻击辨识方法在实际配电网应用的可行性.

关键词：虚假数据注入攻击、状态估计、无迹卡尔曼滤波、脉冲神经网络

所属期刊栏目：43

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51767002

在线出版日期：2019-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3226-3234