首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 109 毫秒
1.
准确快速检测智能变电站通信网络异常流量是发现系统异常、实现安全态势感知和主动防御的关键技术,对保证智能电网安全稳定运行有着重要意义。文中提出了基于时-频域混合特征的智能变电站通信网络异常流量检测新方法。首先,设计了基于分形自回归积分滑动平均(FARIMA)流量模型和小波包分析方法的流量频域特征提取方法,并结合电力信息流时域特征构建时-频域混合特征集。进而,采用人工蜂群优化的支持向量机算法进行异常流量辨识。最后,基于某110 kV变电站的站内实际网络流量和CIC DDoS2019数据集、KDD99数据集进行仿真,结果表明所提算法对网络异常流量识别有更低的误判率和漏检率。  相似文献   

2.
基于深度学习的用户异常用电模式检测   总被引:1,自引:0,他引:1  
针对电力用户的异常用电行为,提出一种基于深度学习的用户异常用电模式检测模型。利用Tensor Flow框架,构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络,从大量时间序列中提取出不同的序列特征。基于全连接网络(FCN)的多层特征匹配网络,利用提取出的特征数据,完成对异常用电数据的检测。实例分析表明,与非深度学习检测模型相比,所提模型可更加有效地完成异常用电模式检测。此外,与多层LSTM分类模型相比,所提模型具有更好的准确性和鲁棒性。  相似文献   

3.
为准确检测异常用电行为以降低电力公司的运营成本,提出一种基于改进深度自编码网络的异常用电行为辨识方法。首先将正常用户的用电数据作为训练样本,自编码网络逐层学习数据的有效特征;然后重构输入数据以计算检测阈值,而由于异常用电行为破坏数据的特征规则,再通过对比重构误差与检测阈值的差异即可实现异常用电行为辨识。为了改善自编码网络的特征提取能力与鲁棒性,分别引入了稀疏约束和噪声编码,并利用粒子群算法优化网络的超参数以提高模型的学习效率和泛化能力。选用福建省某地区居民用电和商业用电数据集进行了验证,这一模型的异常行为检测的准确率高于92%。实验表明所提方法具有优异的特征提取能力和异常用电行为辨识能力。  相似文献   

4.
陈家琪  王琦  汤奕  摆世彬 《电网技术》2022,(6):2339-2348
电力信息物理系统的主动异常检测能够弥补传统以隔离为主的防御手段的不足,实现对突破安全边界的攻击行为的检测。针对仅依靠信息侧通信特征的传统检测方法存在的高误报率及漏报率,文章计及电力系统状态对通信网络流量的影响,从信息-物理联合角度提出一种异常流量检测方法。该方法先通过数据驱动的通信行为特征异常检测方法实现异常流量初筛,同时提取异常流量对应物理侧特征,通过一种基于双侧特征的异常溯源方法区分故障流和攻击流,从而实现对攻击行为的准确检测。基于电力信息物理联合仿真平台实验构造了实验数据集,验证了所提方法能够在保证较高的攻击检测准确率的同时大幅降低误报率。  相似文献   

5.
母线负荷数据异常具有复杂不确定性,是进行母线负荷预测、确定电网运行方式和安全校核等必须解决的重要课题。用聚类分析法确定待测日负荷的相似集,基于母线负荷纵向分布规律和横向连续性,提出异常数据复杂不确定性检测方法;研究母线负荷数据的期望、熵和超熵等数学特征,提出基于综合云的异常数据修正模型。以所提方法对某电网110 k V母线负荷数据进行了分析和预测,结果证明了该方法的可行性、正确性和有效性。  相似文献   

6.
万磊  陈成  黄文杰  卢涛  刘威 《电力建设》2021,42(8):38-45
为了降低电力公司的运营成本,针对非技术性损失(non-technical loss, NTL),提出一种基于置信规则推理(belief rule-based,BRB)和长短记忆网络模型(long short-term memory,LSTM)的用户窃电行为诊断方法。该方法首先从用电量大数据中提取电量波动系数和用电量曲线的毛刺宽度两种用电异常特征,制定BRB异常特征输入前置属性转换,并通过证据推理(evidential reasoning,ER)方法输出最终的置信度,建立适用于NTL异常检测的置信规则库,从而自动获取具有高鲁棒性的有标签正负样本训练数据集。接着,以此为基础,提出构建一种多LSTM网络检测模型,实现对异常用电特征的有效提取与检测。实验结果表明,与现有的主流网络故障检测模型相比,所提方法能够更准确地从电力大数据中诊断出用户的异常用电行为。  相似文献   

7.
短路故障是储能电池组典型故障之一,尤其初期短路故障不易被检测。为避免初期短路故障对储能电池组运行安全的不利影响,提出一种基于交错量测拓扑的储能电池组初期短路故障检测和定位方法。首先,将基于滑动窗口采样所得数据集进行归一化处理,并通过对数据集进行统计分析得到基于特征分解的故障检测指标;然后,进一步理论推导故障检测阈值同故障可检测幅值之间的量化关联;最后通过评估异常特征贡献度确定故障位置。经电池组仿真和故障模拟验证,当单电池发生初期短路时,能够在6.4 s内完成对0.5 C等效短路电流下的初期短路故障的准确检测定位,表明了所提方法的有效性。  相似文献   

8.
针对网络入侵检测中攻击样本和流量特征不足的问题,提出一种基于自监督特征增强的 CNN-BiLSTM 网络入侵检测方 法,实现在流量数据中检测异常网络流量的目标。 通过分析流量特征数据分布差异,采用 IQR 异常值处理方法进行数据预处 理,使用自编码器对攻击样本进行数据增强,构建 CNN-BiLSTM 神经网络和自编码器组成半自监督模型,分别提取高维流量特 征和自监督特征,将组合特征作为最终特征输入到分类模型中进行预测分类,实现网络入侵检测。 实验结果表明,与其他入侵 检测方法相比,所提方法在准确率和 F1 分数上分别达到了 85. 7%和 85. 1%,能够有效提高网络入侵的检测精度以及对未知攻 击的检测能力。  相似文献   

9.
针对传统电网现有窃电检测仅用单一电量且实际数据集下检测准确度低的问题,提出一种基于通道注意力网络改进卷积神经网络模型的窃电行为检测方法。首先建立一种包含用电量趋势、线损增长率、终端告警多源数据融合的窃电评价指标体系,以此构建用户用电特征集。然后,基于通道注意力挤压激励网络(squeeze and excitation networks, SENet)优化卷积神经网络(convolutional neural network, CNN)模型,据此构建自适应通道注意力网络改进卷积神经网络模型的窃电检测方法。最后,利用南方电网数据集对提出方法的有效性与准确性进行验证。实测结果表明,所提方法能有效实现实际电网情况下各类窃电行为准确检测,建立的评价指标体系可更明显表征窃电行为规律。构建的窃电检测模型可自适应对特征通道重要程度调整,提升通道利用率。相比现有检测方法,其具有更高准确度和更优泛化性能。  相似文献   

10.
紧固件广泛应用于日常生活和工业生产制造中,其异常状态在许多场景中会导致严重的安全隐患。目前紧固件异常检测仍依赖人工排查,很难通过常规无损检测技术自动识别。针对该问题,提出了一种基于级联卷积网络的自动检测方案,能够快速的检测固定场景下的紧固件异常情况。首先采集紧固件图像,使用目标检测网络确定所有紧固件区域;接着使用所提出的紧固件关键点回归网络预测关键点特征信息;最后通过对比同一紧固件不同时刻的关键点特征信息实现紧固件异常检测。在自制的重庆市轻轨轨道梁指型板紧固件数据集进行了测试,实验结果显示该方法在准确率达到96. 5%时,对于异常紧固件的召回率高达99%,结果表明该方法具有可行性,在类似场景中具有实际应用价值。  相似文献   

11.
针对智能电网中广泛应用的智能电表(smart meters,SM)可能在测量和监视电能消耗的过程中遭受的多种网络攻击的问题,提出了一种新的异常模式检测框架,以防止智能电表的能源欺诈。所提方法首先基于智能电表向智能配变终端发送用户的用电特征数据,采用分布式数据模型对数据进行聚合,以更好地解决用户隐私保护问题;然后利用深度信念网络(deep belief network,DBN)将得到的数据与期望数据进行对比,以更好地获取数据特征,并对训练结果进行自上而下的特征优化;最后,通过智能配变终端将集群中的智能电表从1到N进行标记,并将执行数据经过深度信念网络提取特征传送至电表数据计量管理系统(meter data management system,MDMS),检查并更换故障或受损的智能电表,以获得更精确的非专业技术损失检测分析。实验结果表明,所提方法相对于传统智能电表数据异常检测具有更高的检测率和适用性。  相似文献   

12.
The traditional intrusion detection system has the problem of high false positive rate and false negative rate. This paper deeply analyzes the differences of statistical features between single-flow and multi-flow on the database network, and presents a group of features that are easy to acquire and can be used to detect the anomaly in database network efficiently. By applying this group of features in Fisher algorithm for anomaly detection, the false positive rate and false negative rate are dramatically reduced. Simultaneously, the model made by using the group of features has the advantages of low algorithm complexity, good detection result and strong generalization ability. Experimental results show that there is higher accuracy when using the features of single-flow and multi-flow to construct the anomaly detection model than only using single-flow features.  相似文献   

13.
郑贵林  谢耀 《电测与仪表》2022,59(11):120-125, 146
为了约束输配电系统中存在的异常用电行为,文中提出一种基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测模型。提出异常用电模拟算法用于生成异常用电数据序列;利用长短期记忆网络构建特征提取网络,从用电数据中提取出不同的序列特征;以小波神经网络为核心构建模式映射网络,实现序列特征到用电模式的映射,完成异常用电模式检测。通过CER Smart Metering Project数据集测试,文章提出的异常用电检测模型与传统网络模型相比,具有更高的检出率、更低的误检率和更高的贝叶斯检出率。  相似文献   

14.
信息网络一旦遭受攻击,将给电气网络带来极大影响。文中提出一种基于事件链模型的信息物理耦合动态相关性分析方法,并尝试将其应用于电网信息网络异常动态识别。首先定义了电气网络和信息网络事件,并以事件链描述其中耦合网络动态;进而提出事件链相关性分析方法,设计通信动态异常指标,最终判断是否存在信息网络异常。以一个由IEEE 39节点电气网络和18节点放射状信息网络组成的信息物理电力网络为算例,算例结果表明,信息攻击会导致通信动态异常指标显著增大,初步验证了所述信息网络异常检测方法的有效性和可行性。  相似文献   

15.
随着电网信息物理系统的发展,一部分数据处理功能逐渐下沉到靠近终端用户的边缘层。为了给后续分析提供可靠的数据源,及时发现异常用电行为,窃电监测是边缘数据中心重要功能之一。文中提出一种针对边缘数据中心的窃电监测方法,该方法利用深度卷积生成对抗网络(DCGAN)鉴别器提取得到的特征,在边缘数据中心对二范数线性支持向量机(L2SVM)进行训练。实验结果证实,DCGAN具有较好的收敛性能,鉴别器提取得到的正常与窃电行为用电特征具有明显划分,且比基于主成分分析(PCA)特征提取方法更加有效,此外,与基于径向基核函数的支持向量机(SVM)反窃电方法相比,所提方法准确度更好且计算复杂度低,适合边缘数据中心部署。  相似文献   

16.
针对传统基于简单阈值的异常检测方法已无法适用于数字变电站过程层网络中可能出现的设备物理故障和恶意入侵导致的数据异常的问题,提出了一种基于差分序列方差(difference sequence variance,VDS)与信息物理系统(cyberphysical system,CPS)融合的数字变电站数据异常检测方法。首先,在分析CPS中面向通用对象的变电站事件(generic object oriented substation event,GOOSE)和制造报文规范(manufacturing message specification,MMS)数据的行为特征基础上,研究了IEC 61850协议规范的度量方法,提出了网络和系统管理方案;其次,基于VDS的异常检测方法和流程,结合数字变电站过程层报文特点,提出了变电站流量异常隶属函数以及基于CPS融合的参数确定方法;最后通过仿真验证了所提方法不仅能有效识别信息设备物理故障和恶意入侵导致的数据异常,对于拒绝服务攻击也能实现准确检测,相比于传统方法具有更高的准确性与可靠性。  相似文献   

17.
为提高风电机组的停运预警能力,基于风电场数据采集与监控(SCADA)系统数据提出了一种风电机组状态参数的异常辨识方法。对参数进行划分,针对与环境因素密切相关的状态参数,采用神经网络建立了状态参数预测模型。采用本机组近期SCADA样本、本机组历史样本和其他机组近期样本分别作为预测模型的训练数据,对比分析了基于3类样本建立的模型的预测精度。采用平均绝对误差对基于本机组历史样本和其他机组近期样本建立的预测模型进行选择。定义了异常程度指标量化预测残差的异常程度。为了提高异常辨识的精度,采用模糊综合评判对筛选出的预测模型的异常辨识结果进行融合。最后,以国内某风场的1.5 MW风电机组为例进行了异常分析,并与传统的风电机组状态参数异常检测方法进行了对比,实例分析结果表明所提出的异常辨识方法具有更高的准确性。  相似文献   

18.
随着输电线路的持续建设,无人机逐步代替人工成为巡线工作的主要工作方式。绝缘子在输电线路中具有重要作用,然而,因自爆绝缘子导致的事故尤为频繁,从大量的航拍图像中识别自爆绝缘子,是一个亟待解决的任务。在航拍图像中,大部分绝缘子数据均是无损绝缘子,自爆绝缘子数量较少,因而无法满足识别算法的训练要求。针对现有输电线路无人机巡检中自爆绝缘子数据量稀缺的问题,该文提出了一种基于生成对抗网络的自爆绝缘子检测模型。通过生成器和鉴别器的对抗训练,该模型仅使用无损绝缘子数据训练即能完成对自爆绝缘子的检测。在此基础上,该文优化了生成对抗网络的训练过程。通过引入指导网络,解决了生成对抗网络的模式崩塌问题,提高了对自爆绝缘子检测的召回率;通过对鉴别器的输入添加扰动,解决了生成对抗网络中的样本不均衡问题,提高了对自爆绝缘子检测的精确度。通过与其他异常检测算法的对比实验,证明了该文方法的可靠性。并通过对模型各部分的消融实验,证明了该文方法各部分的可靠性。实验结果证明,该生成对抗网络模型有效避免了传统生成对抗网络中的缺陷,完成了对自爆绝缘子的高效自动检测。  相似文献   

19.
入侵检测是网络安全防御体系的关键技术之一,针对目前网络入侵检测率低、误报率高的问题,提出了一种将云模型和半监督聚类相结合的入侵检测算法。由于属性对分类贡献程度不同,引入了云相对贴近度的概念,给出了计算属性权重的方法。以改进的聚类方法为基础建立云模型,对属性使用动态加权和更新云模型的方法逐渐强化分类器指导数据的分类。通过KDD CUP99实验数据的仿真,实验结果证明了该算法的有效性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号