[发明专利]一种基于对抗生成网络的电力系统虚假数据攻击识别方法

说明书

本发明公开一种基于对抗生成网络的电力系统虚假数据攻击(False Data Injection Attack，FDIA)识别方法，包括以下步骤：步骤一、通过基于状态估计的预处理得到残差量测量、估计量与真实量测量，留作FDIA的被检测数据；步骤二、对残差量测量进行基于二范数阈值检测滤除不良数据；步骤三、用基于对抗生成网络的判别模型对FDIA是否存在进行判别；步骤四、用基于对抗生成网络的生成模型生成定位残差数据，对定位残差数据进行二范数阈值检测来定位问题数据并滤除。本发明对传统方法中过强的假设条件进行简化，模型训练不依赖于大规模的FDIA异常数据样本，满足工业对含FDIA量测数据检测的实用化要求。

技术领域

本发明属于电力系统运行安全维护技术领域，具体涉及一种基于对抗生成网络的电力系统虚假数据攻击识别方法。

背景技术

长期以来，传统电网最重视的往往是电能质量是否达标可靠、电力设备是否安全经济，而造成了对电力系统网络安全的忽视。然而如今，在需求侧改革的推进下，现代电力市场的组成已较传统电网丰富得多，大量的通讯设备被随之引入，我国的电网也由传统电网逐步转型升级成为了一张遍布全国的信息物理耦合网。电力系统的网络安全问题在此背景下变得愈发严峻。虚假数据注入攻击(False Data Injection Attack,FDIA)是诸多电力系统网络安全问题中最典型，最受关注的一种问题。

FDIA在电力系统中主要是通过篡改系统中的遥测信息来破坏状态估计的准确性与可靠性的目的。目前，FDIA的检测方法是对送入能量管理系统的遥测信息进行异常检测，以确定要测信息中是否存在异常数据。在传统工作中，异常数据的检测是通过不良数据检测系统来实现的。然而国外的最新研究已经指出，传统不良数据检测并不能检测出含FDIA篡改的遥测数据，含FDIA篡改的遥测数据需要一个单独的模块对其进行检测。

目前电力系统FDIA的检测在世界范围内仍属于疑难问题，尽管国内外已经存在针对该问题的研究论文数十篇，但工业界至今尚无针对FDIA的成熟并得到广泛应用的解决办法。历代FDIA检测的研究者在文献中的工作可以主要分为两类：1)利用概率模型等数学方法来检测FDIA 2)利用包含人工智能的方法来检测FDIA。第一类方法之所以不能得到较好的应用是因为它们通常需要基于较强的假设条件，如：系统中的状态变量遵循特定分布，FDIA是通过操纵仪表测量来影响电力系统状态估计的等等。过强的假设往往使得这些方法在真实的工作中寸步难行。第二类方法存在的不足是它们依赖于规模巨大的FDIA异常训练样本，现实中的异常样本规模常常达不到这些方法的训练条件。这两类不足使得已有文献中的方法极少具备现实意义。

发明内容

本发明所要解决的技术问题是电力系统含FDIA量测数据难以被检测的问题，提供一种基于对抗生成网络的电力系统虚假数据攻击识别方法，对以往传统方法中过强的假设条件进行了简化，模型训练不依赖于大规模的FDIA异常数据样本，满足工业上对含FDIA量测数据检测的实用化要求。

本发明所要解决的技术问题，通过以下技术方案予以实现：

一种基于对抗生成网络的电力系统虚假数据攻击识别方法，包括以下步骤：

步骤一、建立线性状态估计模型，基于电力系统中遥测设备在全网各处采集到的遥测量进行状态估计得到估计状态量；以估计状态量根据线性状态估计模型进行反推，得到估计状态量对应的估计量测量；将估计量测量与真实量测量做差，得到残差量测量；残差量测量、估计量与真实量测量均留作FDIA的被检测数据；

步骤二、通过对残差量测量进行基于给定阈值大小的二范数阈值检测滤除数据中由物理网运行故障、设备测量误差、通信系统噪音产生的不良数据，使系统中仅保留真实数据以及FDIA篡改后的虚假数据；