[发明专利]一种动态自适应的电力系统终端安全威胁评估方法

摘要

本发明涉及一种动态自适应的电力系统终端安全威胁评估方法，包括：数据采集及数据清洗；特征提取：针对电力系统终端产生的独立数据，通过特征提取建立所述电力系统终端的特征向量；构建评估模型；构造评价集；模糊评判：根据评判样本总体和各评判分，构造评判矩阵；量化评价结果。本发明从层次模型的角度出发，通过设置关联矩阵，能够保证层与层之间在一方受到影响时，威胁效果可以传遍整个模型，从而实现对于环境动态变化的风险评估。本发明中设立了策略集，当需要动态调整时首先从策略集中选择策略，从而更快速的应用模型给出评估效果，效率大大提高。

主权项

1.一种动态自适应的电力系统终端安全威胁评估方法，其特征在于，所述方法包括下述步骤：(1)采集数据及清洗数据；(2)特征提取：提取电力系统终端产生的独立数据建立所述电力系统终端的特征向量；(3)构建评估模型；(4)构造评价集；(5)模糊评判：根据评判样本总体和各评判分，构造评判矩阵；(6)量化评价结果；所述步骤(3)包括下述步骤：①根据ISO17799设立10个因素子集，并建立三层评估模型；②自底向上逐层构建每一层的关系矩阵；设立每一层因素之间的权重系数，表明每一个因素在该层评估中的重要程度；③根据特征向量之间的距离，即向量的二范数判断相关因素之间是否存在异常；在出现异常时表明环境因素出现变化，并根据阈值调整权向量，改变因素之间的权值；或是建立多个关联矩阵和权值向量的策略集，在监测到特征向量数据明显差异时从策略集中挑选备选策略；④设立反馈调节向量，表示层与层之间因素的相关关系；在环境因素变化的情况下，影响因素a很可能成为影响因素b的影响因素，在影响因素关系矩阵中考虑建立有向关联系数矩阵，对每一行每一列的关系矩阵设置权值；所述步骤①中，根据ISO17799的规定，将影响威胁因素集分为10个因素子集；根据分析的电力系统终端结构，按照10个子集逐层划分的方式确立待分析的电力系统终端结构；将10个因素子集记为：U＝{U0,U1,…,U9}；再根据安全评估要求将每个因素子集分成：Ui＝{Ui,0,Ui,1,…,Ui,n}所示的子集，其中：i表示因素子集的标号，i∈{0,…9}；再将每个因素子集Ui,j细化为为Ui,j＝{ui,j,1,ui,j,2,…,ui,j,m}若干所示的因素集合，其中i∈{0,…9},j∈{0,…,n}；m为Ui,j中所含元素的个数；所述步骤②中，采用步骤①建立的三层评估模型，将每一个细化的子集评估结果作为上一个子集评估过程的输入；在第三层中，通过权重系数ai,j,k表明各因素的重要程度；对每一个ui,j,k存在一个权重系数ai,j,k，记为：Ai,j＝[ai,j,0,ai,j,1,…,ai,j,m]；设立关系矩阵和权重向量来表示第二层中各因素之间的数值关系，记为：设立关系矩阵和权重向量来表示第一层中各因素之间的数值关系，记为：所述步骤③中，对每一层采用下述方式来实现动态可变权重系数和关联关系，以增强其适应性，包括：a)读取各个终端历史监测数据，建立特征向量和以电力系统终端第k个和第l个终端作为研究对象；b)计算第k个终端到第l个终端特征向量的二范数：即两个检测数据特征向量之间的距离；c)确定其他终端之间的距离ti,j,i∈{1,2,…n},j∈{1,2,…n},i≠j；d)根据上述计算结果得出第a时刻的距离矩阵：所述距离矩阵为对称矩阵，且ti,i,i＝{0,1,…,n}恒为0；e)通过检测数据计算第b时刻的距离矩阵Tb；f)使用矩阵2‑范数表示矩阵的相对距离：矩阵的2范数为：其中λ_max((T^ba)^T·T^ba)表示矩阵转置与原矩阵乘积的最大特征值，此时的最大值下标为s,t；g)给定阈值e，使得相对距离在阈值范围内，否则进行调整；所述步骤g)包括下述调整方案：(i)调整方案一：对权值向量Ai＝[ai,0,ai,1,…,ai,n]的分量进行调整：设||Tba||s,t≥e，则针对终端s和t，调用历史数据检测数据异常的电力系统终端；若终端s的监测数据与历史数据偏差大于终端t的数据偏差，则需要修改终端s的权值比重，以增加终端s的数据异常所产生的影响；设变动步长为β，则权值向量调整为：ai,s+β，at,s‑β；其中：β使得变动后的分量值不小于0；(ii)调整方案二：设矩阵Wi为权值调整矩阵：即通过权值调整矩阵，为关系矩阵的各个分量之间设定重要程度，通过加权实现，加权矩阵的每一行和每一列之和均为1；调整关系矩阵的分量：设||T^ba||_s,t≥e且s和t记录此时的异常终端；分片采样计算历史数据，{b₁,a₁},{b₂,a₂},…{b_k‑1,a_k‑1}共k‑1个时间片段；若异常出现的频度大于设定值f，则的概率置信为电力系统终端所在的上一层影响因素出现稳定变化；若此两终端分别在不同的上层分层中，则对上一层的关系矩阵进行调整，调整如下：设s和t分别在不同的上层分层S和T中，则分别计算S和T的历史数据偏差；若S的偏差明显大于T的偏差，则需要修改S的关联矩阵影响因子；设调整步进为γ，则调整后的权值矩阵为：(iii)调整方案三：策略集：选择M个历史时间片段，每一次调整权值向量和权值矩阵分别形成M个动态调整组合方案：根据历史记录数据和监测计算数据计算偏差，当上层与下层间的数据偏差之一出现异常，根据设定的阈值e判断调整权限的时机；若在某时刻需要动态调整，则从选择合适的调整方案；选择的方式参考方案(i)或(ii)，其中根据变化的参数决定策略集中最优策略，实现动态适应调整。