[发明专利]一种计及量测篡改攻击引发虚假故障的电网故障诊断方法

权利要求书

1.一种计及量测篡改攻击引发虚假故障的电网故障诊断方法，其特征在于，包括以下步骤：

S1、当目标电网有继电保护装置动作时，采用结线分析法确定目标电网的疑似故障区域，并将疑似故障区域中的所有元件作为疑似故障元件；

S2、采用随机矩阵理论与模糊C均值聚类算法判断每个疑似故障元件是否遭受量测篡改攻击，若是则进入步骤S3，否则进入步骤S4；

S3、判定此时的继电保护装置动作为量测篡改攻击遥测量引起的虚假动作，结束电网故障诊断；

S4、针对每个未遭受量测篡改攻击的疑似故障元件，采用小波包分析提取遥测量的小波包分解值作为故障特征，建立基于记忆脉冲神经膜系统的故障诊断模型，并通过故障推理算法进行求解，得到疑似故障元件的故障诊断结果，结束电网故障诊断；

所述步骤S1包括以下分步骤：

S11、当目标电网有继电保护装置动作时，设置初始迭代次数i＝1，并将目标电网中所有元件加入元件集合C_i；

S12、从元件集合C_i中随机选取一个元件加入元件子集合S_i；

S13、判断新加入元件子集合S_i的元件是否存在与其相连的闭合断路器，若是则进入步骤S14、否则进入步骤S15；

S14、将与闭合断路器相连的所有元件均加入元件子集合S_i，返回步骤S13；

S15、令迭代次数i加1；

S16、从元件集合C_i-1中移除元件子集合S_i-1中的所有元件，得到新的元件集合C_i；

S17、判断元件集合C_i是否为空，若是则进入步骤S18，否则返回步骤S12；

S18、将元件子集合S₁,S₂,...,S_n中的所有无源网络作为疑似故障区域，并将疑似故障区域中的所有元件作为疑似故障元件，其中n为元件子集合总个数；

所述步骤S2包括以下分步骤：

S21、针对每个疑似故障元件，分别提取其RTU与故障录波系统中故障发生前的3个周波至故障结束时的正序电压、负序电压和零序电压；

S22、针对提取的正序电压、负序电压和零序电压，每个电压设置t个采样点，得到RTU的电压矩阵V_RTU和故障录波系统的电压矩阵V_FRS：

其中v_ij表示第i个电压值的第j个采样点对应的电压幅值，1≤i≤3，1≤j≤t，X为疑似故障元件的序电压类型，V_X表示X的电压矩阵，若X来自RTU，则记为V_RTU，若X来自故障录波系统，则记为V_FRS；

S23、对RTU的电压矩阵V_RTU和故障录波系统的电压矩阵V_FRS进行电压值归一化处理，得到RTU的电压值归一化矩阵N_RTU和故障录波系统的电压值归一化矩阵N_FRS：

其中N_X表示X的电压值归一化矩阵，若X来自RTU，则记为N_RTU，若X来自故障录波系统，则记为N_FRS；

S24、将RTU的电压值归一化矩阵N_RTU和故障录波系统的电压值归一化矩阵N_FRS合并为一个状态矩阵X；

S25、对状态矩阵X中的元素进行标准化处理，得到标准化矩阵

其中x_ij表示状态矩阵X中第i行第j列的元素，i∈[1,k]，j∈[1,n]，k为状态矩阵X的总行数，n为状态矩阵X的总列数，表示标准化矩阵中第i行第j列的元素，x_i＝(x_i1,x_i2,...,x_in)表示状态矩阵X中第i行的行列式，表示标准化矩阵中第i行的行列式，μ(·)表示均值函数，σ(·)表示标准差函数，且

S26、采用模糊C均值聚类算法对标准化矩阵进行特征根聚类分析，判断每个疑似故障元件是否遭受量测篡改攻击，若是则进入步骤S3，否则进入步骤S4；

所述步骤S26中采用模糊C均值聚类算法对标准化矩阵进行特征根聚类分析的具体方法为：

A1、获取标准化矩阵的奇异值等价矩阵X_u：

其中U为Haar酉矩阵，为标准化矩阵的转置共轭矩阵；

A2、将L个奇异值等价矩阵X_u相乘，得到奇异值等价矩阵乘积Z：

其中X_u,l表示第l个奇异值等价矩阵，l＝1,2,...,L；

A3、对奇异值等价矩阵乘积Z进行标幺化处理，得到标准矩阵积

其中z_i表示奇异值等价矩阵乘积Z中第i行的行列式，表示标准矩阵积中第i行的行列式，σ(z_i)表示z_i的标准差，k为奇异值等价矩阵乘积Z的总行数；

A4、获取标准矩阵积的全部特征根，并求取其模值λ_i，i＝1,2,...,k；

A5、设定k₁个模值为0的攻击参考特征模值，其中k₁为正整数且k₁≥k/10；

A6、将λ_i与k₁个攻击参考特征模值合并为一个(k+k₁)×1阶的特征根聚类矩阵；

A7、采用模糊C均值聚类算法对特征根聚类矩阵中的特征根聚为两类，将与攻击参考特征模值聚为一类的λ_i提取出来，判定其为遭受攻击的特征根，其对应的疑似故障元件判定为遭受了量测篡改攻击，未提取部分的特征根判定为未遭受攻击的特征根，其对应的疑似故障元件判定为未遭受量测篡改攻击；

所述步骤S4包括以下分步骤：

S41、针对每个未遭受量测篡改攻击的疑似故障元件，建立基于记忆脉冲神经膜系统的故障诊断模型Π；所述故障诊断模型Π包括遥测量故障诊断模型Π_RM和遥信量故障诊断模型Π_RS；

S42、将疑似故障元件的故障录波系统中实时故障遥测量与该元件不同类型故障下的历史电压遥测量进行小波包分解，得到每个疑似故障元件的实时故障电压小波包分解值与其未遭受攻击时各类型故障的历史正序、负序与零序电压的小波包分解值；

S43、将每个疑似故障元件的实时故障电压小波包分解值与其未遭受攻击时各类型故障的历史正序、负序与零序电压的小波包分解值分别拆分为s个采样时间点，并将各采样时间点的疑似故障元件的实时故障电压小波包分解值作为脉冲值输入遥测量故障诊断模型Π_RM的感知神经元中，将与该疑似故障元件相关的遥信量动作值作为脉冲值输入遥信量故障诊断模型Π_RS的感知神经元中，将各采样时间点未遭受攻击时各类型故障的历史正序、负序与零序电压的小波包分解值作为脉冲值输入遥测量故障诊断模型Π_RM的记忆神经元中，将与该疑似故障元件相关的历史故障遥信量动作值作为脉冲值输入遥信量故障诊断模型Π_RS的记忆神经元中；

S44、通过故障推理算法对每个疑似故障元件的故障诊断模型Π进行求解，得到各个故障诊断模型Π中输出神经元的脉冲值和记忆标签值；

S45、获取遥测量故障诊断模型Π_RM输出神经元的最大脉冲值及其对应的标签值同时获取遥信量故障诊断模型Π_RS输出神经元的最大脉冲值及其对应的标签值并根据最大脉冲值和计算得到遥测量故障诊断模型Π_RM和遥信量故障诊断模型Π_RS的最大脉冲值均值f：

S46、将最大脉冲值均值f作为对应疑似故障元件的故障可信度，将标签值作为对应疑似故障元件的故障类型，结束电网故障诊断。