[发明专利]一种基于对抗生成网络的电力系统虚假数据攻击识别方法

摘要

本发明公开一种基于对抗生成网络的电力系统虚假数据攻击(False Data Injection Attack，FDIA)识别方法，包括以下步骤：步骤一、通过基于状态估计的预处理得到残差量测量、估计量与真实量测量，留作FDIA的被检测数据；步骤二、对残差量测量进行基于二范数阈值检测滤除不良数据；步骤三、用基于对抗生成网络的判别模型对FDIA是否存在进行判别；步骤四、用基于对抗生成网络的生成模型生成定位残差数据，对定位残差数据进行二范数阈值检测来定位问题数据并滤除。本发明对传统方法中过强的假设条件进行简化，模型训练不依赖于大规模的FDIA异常数据样本，满足工业对含FDIA量测数据检测的实用化要求。

主权项

1.一种基于对抗生成网络的电力系统虚假数据攻击识别方法，其特征在于，包括以下步骤：步骤一、建立线性状态估计模型，将电力系统的状态量作为不确定集，与电力系统中的遥测量、雅可比矩阵和噪声建模；通过最小化噪声可求解估计状态量并反推估计状态量对应的估计量测量；将估计量测量与真实量测量做差，得到残差量测量；残差量测量、估计量与真实量测量均留作FDIA的被检测数据；步骤二、通过对残差量测量进行基于给定阈值大小的二范数阈值检测滤除数据中由物理网运行故障、设备测量误差、通信系统噪音产生的不良数据，使系统中仅保留真实数据以及FDIA篡改后的虚假数据；步骤三、建立对抗生成网络模型，该对抗生成网络模型包括判别模型和生成模型，判别模型和生成模型为对称的一组三层神经网络；用电力系统历史中的健康数据对对抗生成网络模型进行训练，得到成熟的判别模型与生成模型；将步骤一中保留的残差量测量、估计量与真实量测量均送入成熟的判别模型中进行判别，得到判别结果；若判别结果为不存在虚假数据则检测结束，否则进入步骤四；步骤四、将被判断为存在异常的数据与生成模型的生成数据做差，得到定位残差；对定位残差数据进行基于给定阈值大小的二范数阈值检测以确定问题数据位置并滤除问题数据。