[发明专利]用于保护电力网控制系统的系统、方法以及计算机可读介质

权利要求书

1.一种用于保护电力网控制系统的系统，包括：

多个异构数据源节点，其各自产生随时间推移与所述电力网控制系统的操作相关联的数据源节点值系列；以及

离线异常状态检测模型创建计算机，其连接到所述异构数据源节点以：

(i)接收所述数据源节点值系列并且执行特征提取过程以产生特征向量的初始集合，

(ii)通过多模型多学科框架执行特征选择，以产生选定的特征向量子集，

(iii)基于所述选定的特征向量子集，自动地计算和输出异常状态检测模型的至少一个决策边界。

2.根据权利要求1所述的系统，其特征在于：所述离线异常状态检测模型创建计算机进一步用于执行特征维数缩减过程，以产生所述选定的特征向量子集。

3.根据权利要求1所述的系统，其特征在于：所述接收到的数据源节点值系列包括正常数据源节点值和异常数据源节点值。

4.根据权利要求1所述的系统，其特征在于：所述特征选择进一步与浅层特征学习技术相关联。

5.根据权利要求1所述的系统，其特征在于：所述特征选择进一步与基于知识的特征技术相关联。

6.根据权利要求1所述的系统，其特征在于：进一步包括：

实时威胁检测计算机，其连接到所述多个异构数据源节点以：

(i)接收当前数据源节点值系列，并且基于离线特征创建过程来产生当前特征向量的集合，

(ii)访问具有离线创建的所述至少一个决策边界的所述异常状态检测模型，以及

(iii)执行所述异常状态检测模型，并且基于所述当前特征向量的集合以及所述至少一个决策边界来发射异常状态警报信号。

7.一种用于保护电力网控制系统的计算机化的方法，包括：

从多个异构数据源节点接收随时间推移与所述电力网控制系统的操作相关联的数据源节点值系列；

通过离线异常状态检测模型创建计算机执行特征提取过程以产生特征向量的初始集合；

通过多模型多学科框架执行特征选择，以产生选定的特征向量子集；

基于所述选定的特征向量子集，自动地计算和输出异常状态检测模型的至少一个决策边界；

在实时威胁检测计算机处接收一系列当前数据源节点值；

基于离线特征创建过程来产生当前特征向量的集合；

访问具有离线创建的所述至少一个决策边界的所述异常状态检测模型；

执行所述异常状态检测模型；以及

基于所述当前特征向量的集合以及所述至少一个决策边界来发射异常状态警报信号。

8.根据权利要求7所述的方法，其特征在于：所述异构数据源节点中的至少一个与以下各项中的至少一个相关联：(i)传感器数据；(ii)文本数据；(iii)图像数据；(iv)蜂窝电话数据；(v)卫星数据；(vi)万维网数据；(vii)社交媒体数据；(viii)无线网络数据；(ix)天气数据；(x)信息技术输入；(xi)所述电力网的重要传感器节点；(xii)所述电力网的执行机构节点；(xiii)所述电力网的控制器节点；(xiv)所述电力网的关键软件节点；(xv)来自交换器的数据；(xvi)来自电气总线的重要测量点的数据；以及(xvii)来自断路器的数据。

9.一种存储指令的非暂时性计算机可读介质，在由计算机处理器执行时，所述指令致使所述计算机处理器执行用于保护电力网控制系统的方法，所述方法包括：

从多个异构数据源节点接收随时间推移与所述电力网控制系统的操作相关联的数据源节点值系列；

通过离线异常状态检测模型创建计算机执行特征提取过程以产生特征向量的初始集合；

通过多模型多学科框架执行特征选择，以产生选定的特征向量子集；以及

基于所述选定的特征向量子集，自动地计算和输出异常状态检测模型的至少一个决策边界。

10.根据权利要求9所述的介质，其特征在于：所述特征选择包括以下各项中的至少一个：(i)浅层特征学习技术；(ii)深层特征学习技术；以及(iii)基于知识的特征技术。