[发明专利]一种GAN-CNN电力监测系统终端信息防护法方法

权利要求书

1.一种基于能源联网条件下的GAN-CNN电力监测系统终端信息防护方法，其特征在于，所述方法包括以下步骤：

步骤1：数据采集：利用数据采集模块对电力监测系统终端的边信通道信息进行采集；

步骤2：对所采集的数据进行特征提取，包括：

①对采集的时序信号采用概率密度分布作为其特征，该特征可以捕捉到样本时序信息的模式，将特征定义为f_j，具体计算如下

式中，f_j为一个分段函数，k表示特征值，M表示特征的维度，对于其中第j个特征来说，如果j的值为1的话，则f_j为值为时域功耗小于P_j的所有功率信息集合，P_j为功率的下限，如果j的值介于1到N的之间，则f_j的值为介于t_j-1和t_j之间的值，H_h为功率的上限；N为特征的个数，其中t_j的定义如下：

其中H_j是特征第j个特征的功率值；

②利用公式(1),得到M维原始特征；

步骤3：利用编码算法，对所提取的特征进行筛选，具体表示如下

式中，M为特征的维度，y_j表示第j个样本的标签，其中正样本为1，负样本为-1，x_j表示第j个样本，w表示为维数M的向量，b和λ均为常数；

步骤4：采用GAN-CNN数据模型，输入筛选后的特征，实行电力网络安全监测，判断电力监测系统终端设备是否处于异常状态。

2.根据权利要求1所述的方法，其特征在于，所述M维原始特征的特征量包括：报文数、持续连续时间均值、固定协议类型时间均值、不同协议下报文数、错误分段数、不同协议下错误分段数、尝试登陆不成功次数均值、目标主机服务类型不同前提下非GUEST用户的登录次数；目标主机服务类型不同前提下用户成功登录次数。

3.根据权利要求2所述的方法，其特征在于，所述原始特征的特征量通过matlab工具箱得到，表示在一定范围内电力监测系统终端设备的运行状态。

4.根据权利要求1所述的方法，其特征在于，步骤4中实行电力网络安全检测，包括：

①输入样本信息为n个特征样本X，且维度为m，在预测过程中需要得到第n+1个样本的值，为x⁽ⁿ⁺¹⁾，且输入规模为m×n，输出维度为m；

②采用GAN-CNN模型进行数据增强。

5.根据权利要求4所述的方法，其特征在于，采用GAN-CNN模型进行数据增强包括以下步骤：

S1：生成网络G输入为样本数据X，网络中采用3个反卷积层对样本数据X进行采样；

S2：判别网络D采用卷积神经网络，卷积核与步幅大小均为4；

S3：卷积神经网络包含两个卷积层，判别网络D将提取的特征参数共享至卷积神经网络CNN的首个卷积层，其中CONV1卷积核大小为2，步幅大小均为2；CONV2卷积核大小为2，中间层使用Leaky ReLu函数作为激活函数，误差层实现费用数据与上一层输出值的均方误差，输出层无激活函数；

上述过程周而复始、循环往返，完成的GAN-CNN即可完成训练，得到计算模型的预测值

S4：计算模型的预测值与x⁽ⁿ⁺¹⁾之前的误差并设置阈值τ对状态进行监测，τ的选取满足如下表达式:

式中，如果误差大于τ，则为异常样本点，如果误差小于τ，则属于正常样本点；

S5：累计发现有三个异常样本点时，则发出报警，判断电力终端设备处于异常状态。

6.根据权利要求1所述的方法，其特征在于，在所述步骤1中数据采集装置的型号为Keysight公司推出的U2541A。

7.根据权利要求1所述的方法，其特征在于，在所述步骤2中的样本采用的是概率密度分布值。