[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

说明书

本发明提供一种基于NARX神经网络的电力信息网络安全检测系统及方法。本发明包括用于获取电网量测信息和状态信息以及负荷的预测数据的数据获取模块；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的最优潮流模块；用于基于获取的数据进行NARX神经网络的建模和训练的NARX神经网络设计模块；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的状态向量预测模块；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的攻击判别模块。本发明能够对电力系统的安全稳定运行至关重要。

技术领域

本发明涉及电力系统网络安全领域，尤其涉及一种基于NARX神经网络的电力信息网络安全检测系统及方法。

背景技术

随着电力系统建设的不断发展，电网自动化程度迅速提高，智能电网通过大规模的传感器和复杂的信息通信网络获取电网的实时运行数据。信息网络为电网提供实时数据等服务的同时，也为电力系统的安全问题也带来了新的挑战。

各种量测数据被用来分析系统的实时运行状态：调度中心可通过状态估计得到电网的实时运行状态，并根据对电网运行状态的判断制定相应的调度策略；边缘服务器通过量测数据判断相邻节点处各设备的运行情况，从而对本地设备的运行做出调整。因此量测数据的精确性对电力系统的安全稳定运行至关重要。

虚假数据攻击(False Data Injection Attacks,FDIA)是近年来常见一种攻击手段，它通过向量测装置中注入虚假数据，导致调度中心和边缘服务器无法掌握系统真实的运行状态，对系统各设备制定不合理的控制策略，进而危害电力系统安全经济运行。传统的不良数据检测方法(Bad Data Detection,BDD)通过残差分析剔除量测信息中的问题数据，但由于BDD的固有缺陷，攻击者在了解系统信息的情况下，可制造特殊的FDIA轻易地躲过检测机制。因此，针对电力信息网络安全构建一种有效的检测方法对电力系统的安全稳定运行至关重要。

发明内容

根据上述提出的技术问题，而提供一种基于NARX神经网络的电力信息网络安全检测系统及方法。本发明可以实现对躲过不良数据检测机制的虚假数据注入攻击的有效检测。本发明采用的技术手段如下：

一方面，本发明公开一种基于NARX神经网络的电力信息网络安全检测系统，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。

进一步地，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。

进一步地，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。