[发明专利]一种基于深度置信网络的电网虚拟数据注入攻击的检测方法

权利要求书

1.一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，其特征在于，包括以下步骤：

S1：构建深度置信网络检测模型，所述深度置信网络检测模型包括有：若干层RBM网络、单层BP神经网络，所述RBM网络采用全连接方式连接，每层RBM网络的输出作为下一层RBM网络的输入，最后一层RBM网络的输出数据作为BP神经网络的输入数据；

S2：获取IEEE标准节点测量数据，对获取数据添加随机噪声、攻击向量生成攻击数据；

S3：将攻击数据进行归一化，将过归一化后的数据按设定比例分为测试数据集和训练数据集；

S4：利用无监督学习对RBM网络进行从上而下逐层训练，并通过BP神经网络反向传播误差进行模型参数调整，直至BP神经网络实际输出值和期望值之间的误差小于预设值，得到训练后的深度置信网络检测模型；

S5：将测试数据集输入训练后的深度置信网络检测模型，输出预测结果。

2.根据权利要求1所述的一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，其特征在于，所述将攻击数据归一化公式为：

f₁(x_ij)＝x_ij-min(x)/max(x)-min(x)

max(x)和min(x)分别是攻击数据x_ij所属列中的最大值和最小值。

3.根据权利要求1所述的一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，其特征在于，所述对获取数据添加随机噪声，添加的随机噪声为高斯白噪声。

4.根据权利要求1所述的一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，其特征在于，所述攻击向量表示为：

a＝Hc

其中，a表示攻击向量、c表示状态误差向量，H表示电力系统的矩阵。

5.根据权利要求1所述的一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，其特征在于，所述利用无监督学习对RBM网络进行从上而下逐层训练记为正向建立过程，所述通过BP神经网络反向传播误差进行模型微调记为反向建立过程，所述正向建立过程和反向建立过程是交替进行的，直至BP神经网络实际输出值和期望值之间的误差小于预设值。

6.根据权利要求1所述的一种基于深度置信网络的电网虚拟数据注入攻击的检测方法，其特征在于，将过一化后的数据按设定比例分为测试数据集和训练数据集，其中，测试数据集占比为20％，训练数据集占比为80％。