[发明专利]一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法

说明书

本发明公开了一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法，利用PMU装置的量测优势对RTU设备的量测数据进行校验。在物理空间分析的同时对RTU装置的通信报文进行实时的监测和分析，时刻与建立的通信异常规则库进行匹配，对捕获的报文按照匹配报文的操作类型、操作频率从信息安全的角度进行威胁度分析，并利用人工神经网络有效的综合了物理和信息空间下的状况从而进行全面的决策，本发明根据电网物理空间下由PMU装置校验而得出的RTU装置量测数据异常向量和电网信息空间下威胁度向量，从多角度对信息物理系统的攻击进行分析，有效的辨识网络攻击导致的信息物理系统的异常状况，保证了电力系统的安全运行。

技术领域

本发明涉及电力系统自动化技术领域，尤其涉及一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法。

背景技术

随着智能电网建设的不断发展，智能化设备的不断推广和电力系统自动化水平的迅速提高，调度中心、电厂、用户之间的数据交换也越来越频繁，电力网络与信息网络的交互机理日益复杂，对电力控制系统和数据网络的安全性、可靠性、实时性提出了新的挑战。信息物理系统(cyber physical system，CPS)是实现计算、通信以及控制技术深度融合的下一代电力系统工程。CPS发展的同时物理系统对信息系统的依存度越来越高，网络安全在整个电力系统运行中扮演的角色也愈加重要。

目前在电力系统中主要有两套量测系统：基于远动终端(RTU)的数据监控及采集系统(SCADA系统)和基于相量测量单元(PMU)的广域测量系统(WAMS)。前者只能提供稳态的低采样密度的、不同步的电网时间断面信息，后者具有高精度、延时小且能够直接测量节点电压向量和支路电流相量的优点。但由于技术经济限制，短时间内PMU装置不可能完全取代SCADA系统的RTU装置，因此急需一种将二者量测数据融合以检测和辨识不良数据的方法。虽然通过对SCADA系统数据和PMU装置实时采集的量测数据进行混合状态估计，能有效的对传统不良数据进行监测和辨识。然而,当网络攻击者具备一定电力系统知识时,可制定精确的攻击策略，通过针对性的坏数据注入和权限获取，从而躲避传统的检测方式，进而影响电力系统的安全运行。

近些年来，国内外学者从不同的角度出发，提出了一系列配电网异常检测的思路，虽取得了进展和成果，但仍存在不足：多数方法只单一考虑物理电网的异常状态检测和辨识；有些方法将物理电网和信息网络割裂开来进行分析异常状态，现有研究未充分考虑将物理电网和信息网络有机的、全面的结合起来进行分析。同时，由于二者的高度耦合，对于辨识究竟是单一的物理系统异常、单一的信息系统异常亦或是由信息系统受攻击而导致的物理系统异常的难度较大，因此需要将信息系统和物理系统结合起来的以辨识异常的方式。

发明内容

根据现有技术存在的问题，本发明公开了一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法具体方案为：

步骤1：确定当前已知的配电网网络拓扑结构包括WAMS系统PMU装置和SCADA系统RTU装置的分布位置，并采集该配电网络的数据；所述网络数据，分为电气特征数据和通信网络数据；

所述电气特征数据，包括：历史时刻和当前时刻，同一物理测量点的PMU和RTU量测装置采集数据，其中PMU量测数据包括：配置PMU的母线电压相量出线电流相量RTU量测数据包括：配置RTU的母线电压幅值U_R、有功量测值P_R和无功量测值Q_R；其中所述通信网络数据，包括：RTU智能终端通信节点上传报文内容、接收报文内容、RTU智能终端和通信子站间以太网交换机的光纤链路利用率和通信子站与上层配电主站间的以太网交换机的光纤链路利用率。

步骤2对远动终端RTU量测数据和PMU装置上传的量测数据进行时间相关性分析，确定RTU量测数据的准确时标，并将对准后同一时刻PMU线性分析结果与SCADA系统RTU采集的数据进行对比，得出物理空间下RTU设备的量测数据异常向量