[发明专利]一种基于概率分布的虚假数据攻击辨识方法

说明书

本发明是一种基于概率分布的虚假数据攻击辨识方法，属于智能电网数据信息安全领域。该方法包括以下步骤：读取已知的电网拓扑结构和线路参数信息；计算节点导纳矩阵；读取量测数据；根据所需要达成的攻击目标，计算虚假量测数据增量；将虚假量测数据增量注入到原有的量测数据中，得到虚假量测数据；进行量测变化量概率分布拟合，辨识虚假数据攻击。本发明中提到的新型虚假数据攻击方法与以往的虚假数据构建方法所需成本一致，都能够良好的完成攻击目标，但前者的虚假量测数据更容易躲过现有的坏数据辨识模块。本发明便是基于坏数据辨识模块的这一不足点提出的改进。

技术领域

本发明涉及智能电网数据信息安全领域，尤其涉及一种基于概率分布的虚假数据攻击辨识方法。

背景技术

现代智能电网利用不同的状态估计算法，如加权最小二乘法，从含有量测噪声的量测数据中获得电力系统中各个电力节点当前电压幅值和电压相角的最佳估计值。此外，估计值还包括各个节点的注入有功功率和无功功率，每条支路的首端有功功率和无功功率，每条支路的末端有功功率和无功功率。经过多年的发展，电力系统建立了比较完善的坏数据辨识理论体系，对应的在状态估计器中添加了坏数据辨识模块，使得电网的调控人员能够在量测数据中存在少量坏数据的情况下，依旧能够对整个电网的运行状态有一个准确的把握。若通过精心构建的虚假数据，注入到原有的量测数据中并躲过现有的坏数据辨识模块，即可影响甚至操纵状态估计的计算结果。

尽管已有一些文献针对智能电网的交直流传输模型提出了一些虚假数据构建方法并取得了一定的效果，但是这些虚假数据构建方法没有考虑到因为攻击前后各个量测的残差没有改变，因此原本那些残差较大的坏数据在虚假数据注入后依旧会因残差较大而被辨识为坏数据并被剔除，从而失去了虚假数据注入的意义。因此，新型的虚假数据构建方法考虑了如何改善那些量测残差较大的坏数据进而减小系统残差，降低了虚假数据被坏数据辨识模块辨识出来的个数。

发明内容

针对现有技术的不足，本发明提供一种基于概率分布的虚假数据攻击辨识方法。该方法首先通过读取一个时间断面下的全局或局部量测数据，选择需要攻击的节点及攻击目标，构建需要注入的虚假数据并注入到原有的量测数据中得到虚假量测数据，然后利用这些虚假的量测数据进行虚假恶意攻击辨识。

本发明一种基于概率分布的虚假数据攻击辨识方法，通过以下步骤实现：

1)读取电网拓扑结构B和线路参数信息y：

电网拓扑结构包括各个节点之间的连接状态，连接线路的数目，开关的开断等情况。线路参数信息包括线路的电导和电纳，对地的电导和电纳等。

2)计算节点导纳矩阵Y；

导纳矩阵是以系统元件的等值导纳为基础所建立的、描述电力网络各节点电压和注入电流之间关系的线性矩阵，其中导纳分为互导纳和自导纳。互导纳即节点之间的导纳，在数值上等于在两个待测节点之间任取一个节点加单位电压，其他节点都接地时，在两个待测节点中的另外一个向电力网络注入的电流，节点i与节点j之间的互导纳Y_ij,Y_ji计算公式为：

Y_ij＝Y_ji＝-y_ij

自导纳在数值上等于在待测节点处施加单位电压，其他节点都接地时，待测节点处向电力网络注入的电流，节点i的自导纳Y_ii计算公式为：

3)读取量测数据z；