[发明专利]一种检测电网假数据注入攻击的方法

权利要求书

1.一种检测电网假数据注入攻击的方法，其特征在于步骤为：

(1)根据电网终端采集的数据计算得到系统运行状态估计值；

(2)从状态估计值中提取时-频特征数据；

(3)将时-频特征数据输入到深度神经网络中进行有/无假数据注入攻击的分类，输出检测结果。

2.如权利要求1所述的检测电网假数据注入攻击的方法，其特征在于：在实施步骤(2)之前，先对状态估计值进行残差检测，如果未发现坏数据则存入状态历史数据库中；

在步骤(2)中，从状态历史数据库中读取状态估计值进行时-频特征数据的提取。

3.如权利要求1所述的检测电网假数据注入攻击的方法，其特征在于：步骤(2)中采用小波变换提取时-频特征数据。

4.如权利要求3所述的检测电网假数据注入攻击的方法，其特征在于步骤(2)的具体步骤为：

(2-1)取若干时段的状态估计值数据，然后对每个时段，分别取若干采样时刻的状态估计值；由各采样时刻下状态估计值所得到的节点电压幅值和相角估计值分别组成各采样时刻t所对应的信号向量x(t)，x(t)的长度为2^M；

(2-2)对于每个采样时刻的信号向量x(t)，在缩放因子a＝2^j和位置参数为b＝2^j×k的条件下进行离散小波变换，j,k均为整数，从而将信号向量x(t)分解成至多M层的小波函数：

其中φ_jk(t)＝2^-j/2φ(2^-jt-k)，φ(t)为尺度函数即父小波函数，ψ_jk(t)＝2^-j/2ψ(2^-jt-k)，ψ(t)是母小波函数，a_jk和d_jk为相应的近似系数；得到每个时刻t所对应的a_jk和d_jk；

(2-3)对于各时段，分别求取时段内所有采样时刻的d_jk的均值与方差，作为该时段的时-频特征数据。

5.如权利要求4所述的检测电网假数据注入攻击的方法，其特征在于步骤(3)中的深度神经网络为循环神经网络，该神经网络包括依次设置的数据输入层、第一GRU结构层、第二GRU结构层、第一全连接层和第二全连接层，上一层的输出即为下一层的输入；

各时段所求得的d_jk均值与d_jk方差，按时段顺序依次输入至数据输入层；

所述GRU结构层采用门控循环单元提取输入数据的时序特征；设{f_T-ω-1,...,f_T}代表GRU结构层的输入，{g_T-ω-1,...,g_T}代表GRU结构层的输出，则输入与输出之间关系为：

z_T＝sigm(ω_fzf_T+ω_gzg_T-1+b_z)，

r_T＝sigm(ω_frf_T+ω_grg_T-1+b_r)；

其中，f_T表示T时段所对应的d_jk均值与d_jk方差所构成的二维向量；g_T表示f_T输入后所得到的输出；ω为人为设定的常数，时段数量越多，数值越大；sigm代表使用sigmoid函数作为激活函数；ω_fg、ω_gg、b_g、ω_fz、ω_gz、b_z、ω_fr、ω_gr和b_r均为通过训练学习而得到的待定参数；

所述全连接层的输入与输出之间的关系为：

y＝actv(ω_d×x+b_d)；

x和y分别代表全连接层的输入和输出；actv为激活函数；ω_d和b_d均为通过训练学习而得到的待定参数；

第二全连接层的输出y即为神经网络的输出，为0代表无攻击，为1代表有攻击。