[发明专利]一种基于改进RNN神经网络的电网攻击检测方法及装置

权利要求书

1.一种基于改进RNN神经网络的电网攻击检测方法，其特征在于，所述方法包括：

S1：数据的获取及预处理，从智能电网中获取相关数据后进行预处理并进行分类获得训练集；

S2：数据选择及优化，将经过预处理的数据输入到神经网络模型中训练获得误差，根据误差结果计算适应度的值并进行判断，根据判断结果获取最优权值和阈值或者采用改进的遗传算法与粒子群优化算法相结合的方式对数据进行选择优化，再获得最优权值和阈值；

S3：更新权值和阈值，将训练数据集输入神经网络模型中获得预测数据后，根据预测数据计算与期望数据的误差，并根据误差结果采用误差反向传播方式更新权值和阈值；

S4：迭代及结果输出，根据得到的误差结果计算网络误差的均方和，并将得到的网络误差均方和结果与设定的阈值进行判断或判断迭代次数是否达到模型最大迭代次数，迭代完成后将结果数据输出。

2.根据权利要求1所述的基于改进RNN神经网络的电网攻击检测方法，其特征在于，步骤S1中获取的相关数据包括电压幅值、电压相角、发电机有功、发电机无功、负载有功和负载无功。

3.根据权利要求1所述的基于改进RNN神经网络的电网攻击检测方法，其特征在于，步骤S1中的数据预处理采用最大最小法进行数据的归一化处理，计算公式如下：

x_k＝(x_k-x_min)/(x_max-x_min)

其中，x_k表示真实输出的数据，x_min表示最小输出数据，x_max表示最大输出数据。

4.根据权利要求1所述的基于改进RNN神经网络的电网攻击检测方法，其特征在于，步骤S2中所述改进的遗传算法包括如下步骤：

S41：初始化种群，随机生成M数量的个体作为初始种群P₍₀₎；

S42：设置进化代数和种群规模，设置进化代数计数器t，并设置最大进化代数T和种群规模S_i；

S43：通过适应度函数计算每代群体P_(t)中所有个体适应度，并分别对所有个体的适应度进行判断，判断是否满足收敛条件，所述收敛条件为当前进化代数t是否到达设定的最大进化代数T和适应度值是否达到给定的阈值；

如果满足所述收敛条件，并当进化代数达到最大进化代数时，所得的个体适应度值为最大适应个体的最优解；

如果不满足所述收敛条件，则对数据依次进行选择、交叉和变异的操作，获得下一代种群数据，并对所述下一代种群数据通过所述粒子群优化算法进行数据优化；

S44：将经过所述粒子群优化算法处理得到的所述下一代种群数据作为新的数据输入，执行步骤S43进行循环，计算个体的适应度值并进行收敛条件的判断获的最大适应个体的最优解。

5.根据权利要求4所述的基于改进RNN神经网络的电网攻击检测方法，其特征在于，所述改进的遗传算法中所述适应度函数为：

其中，F表示适应度函数，T表示训练输出数据，A₂表示RNN神经网络实际输出的数据。