[发明专利]一种基于NARX神经网络的电力信息网络安全检测系统及方法

权利要求书

1.一种基于NARX神经网络的电力信息网络安全检测系统，其特征在于，包括：

数据获取模块：用于获取电网量测信息和状态信息以及负荷的预测数据；

最优潮流模块：用于基于获取的数据计算最优潮流运行情况下，电网的节点有功功率、节点无功功率、支路有功功率、支路无功功率和节点电压幅值；

NARX神经网络设计模块：用于基于获取的数据进行NARX神经网络的建模和训练；

状态向量预测模块：用于基于最优潮流模块输出的数据和构筑的NARX神经网络预测状态向量并计算残差向量；

攻击判别模块：用于进行残差向量的2-范数检测及最大标准化残差检测，基于检测值与阈值比较，判断量测信息中是否含有不良数据。

2.根据权利要求1所述的基于NARX神经网络的电力信息网络安全检测系统，其特征在于，所述数据获取模块包括SCADA系统数据获取单元和负荷预测值获取单元，所述SCADA系统数据获取单元用于获取电网量测信息和状态信息的历史数据，以及实时量测信息数据；所述负荷预测值获取单元用于从电力市场获取负荷的预测值。

3.根据权利要求1所述的基于NARX神经网络的电力信息网络安全检测系统，其特征在于，所述最优潮流模块包括最优潮流计算模型构建单元和求解单元；所述最优潮流计算模型构建单元用于构建最优潮流计算模型；所述求解单元用于求解最优潮流模型，求取电网的节点有功功率、节点无功功率、支路有功功率、支路无功功率和节点电压幅值。

4.根据权利要求1所述的基于NARX神经网络的电力信息网络安全检测系统，其特征在于，所述NARX神经网络设计模块包括NARX神经网络模型构建单元和训练单元；所述NARX神经网络模型构建单元用于构建NARX神经网络模型；所述训练单元用于NARX神经网络的训练。

5.根据权利要求1所述的基于NARX神经网络的电力信息网络安全检测系统，其特征在于，所述状态向量预测模块包括预测单元和残差向量计算单元；所述预测单元用于对电网实时状态信息进行预测；所述残差向量计算单元用于根据预测得到的电网实时状态信息计算相应的残差向量。

6.根据权利要求1所述的基于NARX神经网络的电力信息网络安全检测系统，其特征在于，所述攻击判别模块包括2-范数检测单元和最大标准化残差检测单元；所述2-范数检测单元：用于检测残差向量的2-范数是否满足阈值要求；所述最大标准化残差检测单元：用于检测最大标准化残差是否满足阈值要求。

7.一种基于NARX神经网络的电力信息网络安全检测方法，其特征在于，包括以下步骤：

步骤1：从SCADA系统中获取电网量测信息和状态信息的历史数据，以及实时量测信息；

步骤2：构建NARX神经网络模型，通过量测信息和状态信息的历史数据对模型进行训练，获得最优NARX模型；

步骤3：从电力市场获取电力系统负荷的预测数据，通过最优潮流计算得到在相应负荷情况下电网的最优运行状态，获取此状态下电网节点有功功率、节点无功功率、支路有功功率、支路无功功率和节点电压幅值；

步骤4：将步骤3计算得到的数据作为输入，使用最优NARX模型对电网状态信息进行预测；

步骤5：根据预测得到的状态信息计算残差向量，使用残差向量的2-范数检测及最大标准化残差检测方法，判断量测信息中是否含有不良数据。

8.根据权利要求7所述的基于NARX神经网络的电力信息网络安全检测方法，其特征在于，所述步骤1中，获取的电网量测信息包含节点有功功率、节点无功功率、支路有功功率、支路无功功率、节点电压幅值，状态信息包含节点电压幅值、节点电压相角，分别记为量测向量z(t)和状态向量x(t)，形式如下：

其中P_ij为线路i-j的有功功率，Q_ij为线路i-j的无功功率，P_i为节点i的有功功率注入量，Q_i为节点i的无功功率注入量，V_i为节点i的电压幅值，θ_i为节点i的电压相角。