基于XGBoost和无迹卡尔曼滤波自适应混合预测的电网虚假数据注入攻击检测

随着信息技术在电力系统中的广泛应用,电网正发展为一类信息系统与物理系统高度融合的电力信息物理系统(cyber-physical system,CPS)。而虚假数据注入攻击(false data injection attacks,FDIA)是影响电力CPS安全运行的隐患之一。为了能够检测与修正虚假数据注入攻击,提出一种基于极端梯度提升(extreme gradient boosting,XGBoost)结合无迹卡尔曼滤波(unscented Kalman filter,UKF)的电网虚假数据注入攻击检测方法。首先通过改进的加权灰色关联分析法进行相似日的选取,然后使用XGBoost进行电力系统日前负荷预测;将负荷预测结果经潮流计算得到的状态量与UKF动态状态估计得到的状态量进行自适应混合预测,以降低FDIA对状态预测的影响;最后基于预测值和静态状态估计值构造随机变量,通过中心极限定理比较随机变量的分布以进行FDIA检测与修正。IEEE-14和IEEE-118节点测试系统仿真结果验证了文中提出方法的有效性和准确性。     

配电网状态估计量测处理方法及抗虚假数据注入攻击策略

相对于输电网状态估计,配网状态估计中存在的最大问题就是量测不足。为了最大化利用配网同步相量量测(D-PMU)数据和高级计量体系(AMI)数据,研究了这两种数据的处理方法。通过对D-PMU电流相量的处理,解决雅克比矩阵病态构造的问题。通过"伪D-PMU数据"的计算,增加了量测冗余度,提高了算法抗虚假数据攻击的能力,并对其进行了严格的数学论证。对于AMI数据,基于谐波分量分解方法对低压节点负荷进行超短期预测,得到了同一时间断面注入功率数据。IEEE 123节点标准算例仿真结果表明,所提方法可以较好地预测超短期负荷数据,有效抵御虚假数据注入攻击,状态估计的准确性和一致性得到了提高。     

基于非凸矩阵分解的电网欺骗性数据注入攻击检测方法

电力系统状态估计中的量测数据容易受到欺骗性数据注入攻击的恶意篡改，使状态估计的稳定性受到影响。根据量测数据在连续时间段内的低维特性以及欺骗性数据攻击的稀疏特性，提出了一种基于非凸矩阵分解的电网欺骗性数据注入攻击检测方法。首先，将欺骗性数据注入攻击的检测问题视为稀疏低秩矩阵分解问题，并将分解问题转化为非凸优化问题，通过改进的交替方向乘子法求解此非凸问题，将受攻击的数据矩阵分解为正常量测矩阵和攻击矩阵；其次，利用分解出的攻击矩阵检测出欺骗性数据注入攻击的数值和位置，并以分解出的正常量测矩阵作为参考量测量，进行状态估计获得正确的状态变量；最后，通过IEEE-14节点系统分析了不同攻击幅值下的检测结果，验证了所提方法的准确性。     

一种计及零注入电流的PMU量测线性状态估计方法

为充分利用相量测量单元(Phasor Measurement Unit,PMU)数据进一步提升状态估计精度,提出一种完全基于PMU量测数据的线性加权最小二乘状态估计方法。该方法将联络节点的零注入电流作为虚拟量测。由于最小二乘法的实质是通过量测冗余度提高状态估计精度,因此,虚拟量测的引入提升了冗余度,从而能够提高估计精度。利用IEEE39节点和IEEE118节点系统进行仿真,结果表明完全基于PMU量测的线性状态估计与传统非线性状态估计和混合量测状态估计方法相比能够有效提高估计精度和计算速度。此外,利用IEEE39节点测试系统对量测变换误差进行了比较研究,结果表明提出的方法量测变换误差明显小于SCADA量测变换误差,有助于提升估计精度。     

考虑状态量未知情况的电力系统杠杆量测攻击

虚假数据注入攻击是威胁电网安全稳定运行的重要因素之一,攻击策略的研究以及攻击机制的深入分析能为改进系统防御策略提供依据。针对智能电网中的状态估计过程,攻击者在掌握一定资源以及具备攻击条件的时候可以计算出满足潮流约束的攻击向量,从而躲过不良数据检测。对比直流状态估计模型,在交流状态估计下攻击条件更加苛刻,成功率也相对较低。在交流状态估计下考虑攻击者未知准确状态量的情况,首先根据已知的量测和参数近似计算状态量,再通过投影统计量和帽子矩阵对角元法找出系统中的杠杆量测,最后建立最优化模型对杠杆量测发起攻击,在IEEE 14节点系统的仿真验证了所提攻击方法的有效性。     

抵御多点虚假数据攻击的主动配电网状态估计方法

引入同步相量量测装置（PMU）识别虚假数据注入攻击（FDIA）的动态状态估计是实现主动配电网安全准确决策的有效途径。提出一种融合贝叶斯定理的深度森林（BA-DF）FDIA检测机制的混合量测加权平方根容积卡尔曼滤波（WASRCKF）动态状态估计方法。首先,通过图卷积神经网络预测PMU和SCADA混合量测融合,提高数据冗余度;其次,利用WASRCKF估计状态量和混合量测预测量进行加权估计,降低FDIA对状态估计更新层的影响;然后,采用BA-DF进行FDIA检测,判断虚假数据攻击位置,使用混合量测预测值进行修正,形成BA-DF-WASRCKF组合方法。最后,采用PG&E69配电网进行验证,结果表明该方法在不同PMU配置下均可获得更高精度状态估计结果,配置24台PMU的FDIA识别率为95%,较传统方法状态估计精度提高了77.8%。     

考虑虚假数据注入攻击的有源配电网分布式状态估计

状态估计作为保障电网监测数据质量的关键一环,为能量管理系统提供可靠的数据基础。考虑到有源配电网量测误差大、易遭受网络攻击等问题,本文研究计及虚假数据注入攻击的有源配电网分布式状态估计方法。首先,各子区域根据自身量测进行状态估计,并利用平均一致性算法获取全局信息对内部状态量进行修正,实现完全分布式状态估计;其次,在子区域状态估计中引入权函数动态修正目标极值函数的权重矩阵,增强状态估计的抗差性能;然后,在边界节点和易受到虚假数据注入攻击的节点配置同步相量测量单元,提高辨识虚假数据攻击的能力;最后,利用IEEE 118节点配电网系统进行算例仿真验证。试验结果表明,本文所提出的状态估计方法不仅可以有效减小估计误差,还能准确辨识虚假数据注入攻击,提高了状态估计的精度和虚假数据注入攻击的辨识能力。     

基于智能电表和PMU混合量测的低压配电网状态估计方法研究

随着高级量测体系的不断完善和同步相量量测PMU等高精度新型量测装置的发展,为确保低压配电网状态估计性能,提出一种基于智能电表和PMU混合量测的低压配电网状态估计方法。该方法将高级量测体系中的智能电表采集的电压幅值、功率实时量测和PMU同步相量量测相结合,以节点注入电流平衡方程为基础,建立基于指数型权函数的加权最小二乘法模型。模型中利用数据的残差对权函数进行修正,以提高状态估计的抗差性和收敛性。最后基于IEEE 14节点算例系统,对该方法进行仿真分析。仿真结果表明,该方法相较于采用传统加权最小二乘法的状态估计模型,对含有高误差数据的量测数据具有更高的精确性。     

基于灰色关联度的紧急无功电压分域方法的研究

针对电力系统电压紧急状态,提出了基于灰色关联度的紧急电压分域方法。该方法以广义Tellegen定理形成的灵敏度矩阵为基础,将系统快速形成以故障电压节点为中心的无功电压控制域。利用灰色关联度方法对已划分无功电压控制域的边缘控制节点进行取舍处理,搜寻与划分区域相连的控制节点,并计算出每一个控制节点与之相连节点的灰色关联度,按照灰色关联度的取值判定控制节点的取舍,从而克服了阈值选取的不合理性引起的分域不准确性。IEEE-30系统算例表明:该方法形成的紧急无功电压域具有简捷性与快速性,符合电力系统实际。     

基于改进层次分析与灰色关联分析的变电设备状态评价

针对变电设备运行状态信息复杂、难以对其进行准确评价的问题,本文提出了基于改进层次分析与灰色关联分析的评价方法。在状态特征参数权重的确定上,采用改进层次分析法将主观判断为主的定性分析进行定量化,提高了权重的准确度和可信度;运用灰色关联法计算参评序列与标准序列的关联度,最大关联度所对应的标准向量等级,即为变电设备所属的状态等级。经过实例分析表明,该方法对变电设备的状态评价是合理和有效的。     

考虑数据时延的电力系统两阶段动态状态估计方法

由于电力系统中SCADA数据和PMU数据采样频率不同,使得这两种数据存在时延。首先提出基于变点重复检测的PMU最佳缓冲长度计算方法,将SCADA数据和PMU数据统一到同一时间尺度下,然后将无迹变换与指数权函数抗差估计算法相结合,针对历史多数据断面进一步提出了两阶段无迹卡尔曼滤波鲁棒动态状态估计方法。该方法在每一断面内,首先用无迹变换和两参数指数平滑预测后的预测值与SCADA数据结合进行第一阶段滤波,然后再将滤波所得估计值与PMU数据结合进行第二阶段滤波。通过两阶段滤波,能够显著增大滤波过程中的量测冗余度,并且有效降低在混合数据滤波过程中量测精度较低的SCADA量测对精度较高的PMU量测的影响。基于IEEE-39节点标准系统对本文所提方法进行仿真,仿真结果表明,本文所提方法能够有效结合PMU数据和SCADA数据对电力系统进行动态状态估计计算,且估计精度高,鲁棒性好。     

发电机动态状态估计中的一种虚假数据注入攻击方法

精确、可靠的发电机动态状态量对电力系统的实时监测和控制至关重要。信息攻击的出现给发电机状态估计带来了新的挑战。其中,虚假数据注入(FDI)攻击通过对量测装置注入虚假数据,恶化了状态估计的精度。为此,该文提出一种针对发电机动态状态估计的FDI攻击模型。首先,采用泰勒公式将发电机量测方程线性化;其次,根据FDI攻击前后量测残差不变的原理,建立攻击向量的表达式,将其施加在量测量中,从而躲避常规的不良数据检测,成功实施FDI攻击;然后,根据攻击程度分别设定三种攻击情形,通过容积卡尔曼滤波(CKF)和抗差容积卡尔曼滤波(RCKF)对所提的三种不同情形的FDI攻击进行验证;最后,IEEE9节点系统和新英格兰16机68节点系统的仿真结果验证了所提FDI攻击的有效性。     

基于电力大数据的分布式电网异常负荷动态检测方法

电网负荷数据基数大、分布范围广,且其异常状态检测复杂度高。提出一种基于电力大数据分布的电网异常负荷动态检测方法。采用非线性回归方程,估计中心负荷权重,并分割动态检测区域。采用状态估计法结合参数平滑对异常的负荷数据进行状态估计,并利用自回归滤波（extended Kalman filter,EKF）剔除噪声数据。计算负荷数据的近相似系数,划分异常数据域,设定分布概率较高的数据为异常负荷数据。通过观测负荷数据与异常域中心之间的关联性,判断负荷是否存在异常问题。仿真实验结果表明：高信噪比环境下,该方法检测异常负荷数据的最大特征量为160条;低信噪比环境下,异常负荷数据的最大特征量为158条,且峰值出现在节点51—节点120的位置。检测出的负荷数量均超过电网最大阈值,说明所提方法能够精确检测出异常负荷,且能够完全包含真实阈值,检测的全面性可高达100%。     

电动汽车充电站规划方案的模糊物元评估方法

科学合理地规划城市电动汽车充电站是大规模电动汽车与智能电网友好互动的重要前提。基于模糊物元理论实现电动汽车充电站规划方案评估。分析了城市电动汽车充电站规划特征,构建了备选充电站评价指标体系。利用模糊物元分析法求解多个备选点的最优模糊物元序列,并将该序列作为参考序列。采用熵权法获得备选点对应评价指标的权重,通过灰色关联分析法计算备选点的加权灰色关联度,并依据关联度大小确定电动汽车充电站规划方案。最后,算例仿真结果验证了所提方法的合理性和可行性。     

基于灵敏度和灰色关联度的配电网运行方式变权重评估方法

为了对配电网运行方式进行准确的评估,提出了一种考虑指标灵敏度的配电网运行方式变权重评估方法。利用主成分分析法对配电网指标进行初步分析,根据分析结果利用最小二乘法计算灵敏度权重,同时利用灰色关联分析法对指标数据序列和评估量化值序列进行分析从而得到灰色关联度权重。灵敏度权重反映了指标对评估结果的影响程度,灰色关联度权重反映了指标数据序列与评估结果序列之间的关联程度,最后利用变权重公式实现指标的综合赋权。利用该方法对一个城市配电网进行评估,计算结果证明了该方法的有效性与可行性。     

模糊层次灰关联在给水泵状态评价中的应用

针对给水泵运行工况复杂、准确评价难的问题,阐述了模糊层次分析法及灰关联理论,建立了模糊层次灰关联的评价模型。提出了一种基于模糊层次灰关联的给水泵状态评价方法,即采用模糊层次分析法(FAHP)确定各指标的权重系数,对灰色关联系数加权得到灰色关联度,由给水泵被评估参数和等级标准参数的相关度评价结果得出给水泵所处的状态。计算结果表明,该模型用于给水泵状态评价有效可行,能提高给水泵的安全性和经济性,为检修决策提供了依据。     

基于分解协调算法的互联电力系统状态估计

提出了基于分解协调算法求解多区域互联系统的状态估计算法。互联系统计算中心根据虚拟节点两端子系统状态估计所得功率残差加权平均值计算各子系统虚拟节点注入功率的变化量,各子系统节点状态量通过注入功率和功率估计值对节点状态量的灵敏度矩阵修正子系统状态估计结果,得到互联系统的状态估计解。仿真计算结果说明,分布式状态估计算法计算准确、速度快,且在互联系统计算中心无法获得部分子系统数据的情况下,能够最大限度地准确计算出互联系统的部分可观测结果。     

考虑量测坏数据的发电机动态状态估计方法

随着相量测量单元(PMU)的广泛应用,基于PMU的发电机动态状态估计的研究越来越受到重视。如果存在量测坏数据,动态状态估计的滤波效果会受到严重的影响。首先介绍了一种基于无迹卡尔曼滤波(UKF)的发电机动态状态估计方法。然而,由于PMU数据的质量不高,为解决坏数据的问题,推导残差方程得出时变的阈值,再通过一种迭代检测的方法确定坏数据的测点位置。对于坏数据对应的量测,算法将其剔除后重新进行一次估计,以修正估计结果。算例结果表明,该方法能有效抑制量测坏数据对发电机动态状态估计的影响。     

基于拓扑篡改的电力市场虚假数据注入攻击方案

从攻击者的角度出发,在直流状态估计框架下提出了一种基于拓扑篡改的虚假数据注入攻击(FDIA)方案.首先,通过分析攻击后由网络拓扑处理器计算所得拓扑结构与传感器测量结果的一致性以及对比攻击前、后的残差,给出可以躲避拓扑误差处理检测以及残差检测的隐蔽攻击定义;然后,基于上述定义以及攻击向量列空间的隐蔽条件,提出一种FDIA方案,通过求解凸规划问题实现在保证隐蔽性的同时获得最大发电收益;最后,基于标准IEEE 9节点及14节点系统对所提方案的有效性进行验证.结果表明,与现有FDIA方案相比,所提将拓扑篡改与FDIA相结合的攻击方案具有更强的隐蔽性且获利更大.     

混合量测状态估计相角参考点坏数据问题的处理方法

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,一旦其相角参考点上的PMU电压相角量测为坏数据,将影响其余所有相角量测引入,污染有功量的总体计算,严重影响计算精度。文中在建立混合量测状态估计计算模型的基础上,提出一种解决相角参考点坏数据问题的处理方法,改变传统状态估计将相角参考点状态量值固定且不参与迭代求解的做法,形成雅可比矩阵时增加相角参考点状态量对应列和PMU量测对应行,将相角参考点状态量同其他节点一样参与迭代求解,当相角参考点上的PMU电压相角量测为坏数据时同样能够被检测和辨识,彻底消除其对计算结果的不利影响。最后,结合电网实例验证了该方法的有效性。