[发明专利]面向智能电网广域同步量测的网络攻击识别方法及系统

权利要求书

1.一种面向智能电网广域同步量测的网络攻击识别方法，其特征在于包括：

S101，使用变分模态分解VMD将量测数据f(t)分解为多个模态分量IMF_i；

S102，从多个模态分量IMF_i中提取其中的共同分量IMF_j；

S103，通过将量测数据f(t)减去共同分量IMF_j得到含有空间位置信息的扰动分量y(t)；

S104，将扰动分量y(t)利用具有离散正交S变换提取DOST特征矩阵；

S105，将DOST特征矩阵输入训练好的卷积神经网络，得到量测数据f(t)对应的网络攻击识别结果；

步骤S104包括：

S201，根据扰动分量y(t)构成的实信号的正频带p和负频带-p的正交基函数共轭对称，将v=v+0.5带入正交基函数，并根据正交基函数确定不同倍频数m下的DOST系数矩阵，并根据DOST系数矩阵构建得到大小为(N/2,N)的DOST特征矩阵，其中N为扰动分量y(t)的点数，v为频带中心；所述正交基函数的函数表达式为：

，

上式中，为正交基函数，为kΔ_t时刻，v是频带中心；q表示为时间定位，β是v频带中心的频带宽度，式中：k=0,1…N，N表示扰动分量点数；表示虚数单位，表示时间窗口中心，且；

S202，根据扰动分量的点数N分别计算最大倍频数，根据扰动分量的点数N以及最大倍频数计算最小列数；

S203，将大小为(N/2,N)的DOST特征矩阵中每一个DOST系数矩阵行数保持不变、列数减小倍，然后重组得到压缩后的大小为(N/2,N/4)的DOST特征矩阵，

步骤S105中采用的卷积神经网络包括依次相连的扩张双正态卷积层DDNC、批量归一化层BN、最大池化层、扩张双正态卷积层DDNC、批量归一化层BN、最大池化层、全连接层以及softmax分类器，所述扩张双正态卷积层DDNC为由空洞卷积和两个正常卷积融合得到的卷积层，扩张双正态卷积层DDNC的输入特征图一路作为空洞卷积的输入、另一路作为依次级联的两个正常卷积的输入，空洞卷积的输出特征图和依次级联的两个正常卷积的输出特征图两者融合形成扩张双正态卷积层DDNC的输出特征图。