[发明专利]电网安全分析机器学习模型测试方法、装置、设备及介质

权利要求书

1.一种电网安全分析机器学习模型测试方法，其特征在于，包括如下步骤：

获取电网运行的故障样本集，其中，所述故障样本集至少包括作为电网安全分析机器学习模型输入的原始样本；

对所述原始样本施加扰动，生成第一对抗样本；

以所述第一对抗样本与所述原始原本的差距最小为目标，以所述电网安全分析机器学习模型输出错误分类结果为约束条件，对所述第一对抗样本进行迭代寻优，得到最终攻击样本；

将所述最终攻击样本输入所述电网安全分析机器学习模型中，获得第一分类结果；

将所述第一分类结果与正确结果比较，得到所述电网安全分析机器学习模型的测试结果。

2.根据权利要求1所述的电网安全分析机器学习模型测试方法，其特征在于，所述获取电网运行的故障样本集的步骤，具体包括：

设定电网运行方式、故障条件，仿真生成故障样本；其中，所述故障样本的样本特征为与电网安全相关的电气量，标签为故障后电网是否稳定；

对所述故障样本进行归一化处理，得到故障样本集。

3.根据权利要求1所述的电网安全分析机器学习模型测试方法，其特征在于，所述仿真生成故障样本的步骤之后，若所述故障样本中的第一类别的样本数量低于设定阈值，则利用SMOTE方法，生成新的第一类别的样本。

4.根据权利要求1所述的电网安全分析机器学习模型测试方法，其特征在于，所述电网安全分析机器学习模型的结构包括：一个输入层、三个全连接层、一个Dropout层和一个输出层，其中，每两个所述全连接层之间设置一个BN层。

5.根据权利要求1所述的电网安全分析机器学习模型测试方法，其特征在于，所述对所述第一对抗样本进行迭代寻优的步骤中，采用Adam方法对所述第一对抗样本进行迭代寻优。

6.根据权利要求1所述的电网安全分析机器学习模型测试方法，其特征在于，所述以所述第一对抗样本与所述原始原本的差距最小为目标的步骤中，目标函数如下：

min||1/2(tanh(λ)+1)-x||²+c·Θ(1/2(tanh(λ)+1))

其中，λ为设定的变量；x为原始样本。

7.根据权利要求1所述的电网安全分析机器学习模型测试方法，其特征在于，所述将所述第一分类结果与正确结果比较，得到所述电网安全分析机器学习模型的测试结果的步骤，具体包括：

将所述第一分类结果与正确结果比较，得到最终攻击样本输入所述电网安全分析机器学习模型后，所述电网安全分析机器学习模型的第一评估准确度；

将所述原始样本输入所述电网安全分析机器学习模型，得到所述电网安全分析机器学习模型的第二评估准确度；

将所述第一评估准确度与所述第二评估准确度进行比较，得到所述电网安全分析机器学习模型的准确度下降结果，作为测试结果。

8.一种电网安全分析机器学习模型测试装置，其特征在于，包括：

获取模块，用于获取电网运行的故障样本集，其中，所述故障样本集至少包括作为电网安全分析机器学习模型输入的原始样本；

第一样本生成模块，用于对所述原始样本施加扰动，生成第一对抗样本；

第二样本生成模块，用于以所述第一对抗样本与所述原始原本的差距最小为目标，以所述电网安全分析机器学习模型输出错误分类结果为约束条件，对所述第一对抗样本进行迭代寻优，得到最终攻击样本；

第一结果生成模块，用于将所述最终的攻击样本输入所述电网安全分析机器学习模型中，获得第一分类结果；

第二结果生成模块，用于将所述第一分类结果与正确结果比较，得到所述电网安全分析机器学习模型的测试结果。

9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的电网安全分析机器学习模型测试方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的电网安全分析机器学习模型测试方法。