基于扩展卡尔曼滤波的虚假数据攻击检测方法

虚假数据注入攻击以破坏电力系统SCADA的数据完整性和可用性为目标,其检测方法对智能电网的安全与稳定运行具有重要意义。基于扩展卡尔曼滤波提出了一种虚假数据注入攻击检测方法。该方法利用检测数据递归得到系统的实时运行状态,从而达到有效检测识别电力系统中虚假数据注入情况的目的。另外,该方法能同时评估系统过去运行状态和预测未来系统状态的变化情况。同时,该方法能有效识别系统精确模型未知情况下的虚假数据注入攻击。以IEEE-14节点和30节点模型为研究对象,其结果表明所提方法不仅能弥补传统状态估计方法无法检测虚假数据注入攻击的缺陷,而且具有储存量小、易于实现等优点。     

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PMU量测信息的配电网运行状态分析方法

同步相量量测单元PMU(phasor measurement unit)在配电网中的推广使用有效提升了电网系统的可观性。首先提出了一种考虑PMU信息的配电网运行状态分析方法,该方法在数据采集与监控SCADA(supervisory control and data acquisition)系统数据更新时,将SCADA和PMU等不同量测时间尺度的混合数据进行状态估计;之后通过PMU数据进行状态估计更新,直至新的SCADA数据到来,开始新的混合数据状态估计。目标函数由估计值与量测值之间残差指数的加权和组成,降低了不良数据对估计结果的影响,并通过抗残差加权减少由于量测坏数据引起的运行状态波动。最后通过IEEE 123节点的算例分析,验证了所提方法具有较好的运行状态分析效果和有较高的时效性。     

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。     

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。     

基于核主成分分析的智能电网盲在线虚假数据注入攻击

根据电力系统的各种量测信息,智能电网采用状态估计得出电网当前的运行状态,因此精确的状态估计对维持智能电网的合法操作至关重要。虚假数据注入攻击可以篡改由数据采集与监控系统采集到的测量信息,对电网状态估计造成安全威胁。现有多数虚假数据注入攻击是基于已知电网拓扑结构,而在未知电网拓扑结构的情况下构造高性能的虚假数据注入攻击更具有现实意义。提出一种盲在线虚假数据注入攻击方法,采用核主成分分析(kernel principal component analysis,KPCA)在尽可能多的保留数据内部非线性关系的情况下,把测量数据向量通过核函数投影到高维空间,在高维空间对测量数据进行线性变换,因此可求得近似电网拓扑结构矩阵,并且该方法只需要使用少量的测量值便可构造在线攻击。最后在IEEE 14节点和118节点标准测试系统中进行大量仿真实验,并与完美攻击、随机攻击和其他盲攻击进行比较分析,验证了所提攻击方法的有效性。     

基于改进卷积神经网络的电网假数据注入攻击检测方法

假数据注入攻击可以篡改由数据采集与监控(SCADA)系统采集到的量测信息,影响电网的重要决策,从而对电网状态估计造成安全威胁。针对智能电网状态估计,研究了交流模型下假数据注入攻击的原理,构建了基于改进卷积神经网络(CNN)的假数据注入攻击检测模型。将门控循环单元(GRU)结构加入CNN中的全连接层之前构建CNN-GRU混合神经网络,根据电网历史量测数据进行训练并更新网络参数,提取数据的空间和时间特征,并根据提出的模型设计实现了高效实时的假数据注入攻击检测器。最后,在IEEE 14节点和IEEE 118节点测试系统中,与基于传统CNN、循环神经网络及深度信念网络的检测方法分别进行了大量对比实验,验证了所提方法的有效性。     

基于广域测量系统的状态估计和PMU配置

同步相量测量单元(PMU)能够根据全球定位系统(GPS)提供的精确时钟,实现对电力系统实时数据的量测。该文分析了PMU与传统监控和数据采集(SCADA)系统相结合构成的混合量测系统对状态估计精度的影响。在混合量测模型的基础上,提出了一种以提高状态估计精度为目标的PMU配置方案。通过IEEE-39节点系统仿真证明了该方法的有效性和实用性。     

基于PMU优化部署的电网CPS线下攻击保护

针对电网信息物理系统可能遭受的恶性数据注入攻击以及海量的测控数据和复杂的运行方式,提出了一种线下优化部署相量测量单元（PMU）的保护方案。以线性恶性数据注入攻击模型为例,首先采用行最简形矩阵转换方法建立了一套攻击者为攻击指定数量状态量的最小代价攻击模型。然后,针对最小代价攻击模型,提出了一种有效防御并保证全系统可观的相量测量单元优化部署策略;为使该保护策略能够运用于大型电网,提出了一种分区自治保护方案。最后通过IEEE 9节点、IEEE 14节点和IEEE 30节点系统算例验证了所提线下保护模型的有效性。     

基于非线性状态估计的虚假数据注入攻击代价分析

随着智能电网的发展,信息通信系统与物理电力系统深度融合,虚假数据注入等网络攻击可能会对电网的安全稳定造成严重影响,目前这方面研究已成热点问题。一次成功的虚假数据注入攻击涉及攻击者所掌握资源、攻击区域选择和攻击向量构建。在有限的资源下,根据实际电网运行特征,以攻击节点为中心,构建了单节点攻击区域和多节点攻击区域,一定程度上可缩小攻击范围。基于非线性状态估计模型,分别针对单节点攻击与多节点攻击情形,提出一种掌握局部电网信息下的攻击代价分析方法。最后以IEEE-14系统和IEEE-1354系统为例,分别进行单节点攻击和多节点攻击分析,其结果验证了所提虚假数据注入攻击代价分析方法的有效性。     

一种计及全量测相关性的混合电力系统状态估计方法

针对电力系统状态估计中全量测存在相关性的实际情况,提出一种计及全量测相关性的混合电力系统状态估计方法。首先,利用无迹变换法计算来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统量测之间的统计相关性;其次采用量测缓冲器和向量自递归模型(vector autoregressive model,VAR)计及相量测量单元(phasor measurement units,PMU)量测的时空相关性,最终形成两部分相结合的混合线性状态估计方法。该方法在充分考虑PMU量测量之间时相关性的同时,能够确保PMU量测量与基于具有相关性的SCADA量测状态估计结果保持时标的一致性,进而有效地得到计及全量测相关性的电力系统状态估计结果。通过在IEEE-118标准节点系统上进行大量仿真算例分析,结果表明所提方法能够明显提高状态估计结果的精度。     

输电网虚假数据攻击研究综述

虚假数据攻击利用输电网状态估计中基于残差的不良数据检测漏洞,通过向数据采集与监控系统(supervisory control and data acquisition,SCADA)系统中注入虚假数据,达到修改电力系统的量测值和状态变量、控制电力系统的运行状态或者获取经济利益等不法目的。阐述了虚假数据攻击的基本理论和实现机制,并从攻击方法和防御策略、电力系统信息完整性、基于传统虚假数据攻击(false data injection attacks,FDIAs)扩展的攻击方式和攻击向量优化算法4个方面梳理了虚假数据攻击的研究现状和发展情况,分析了现有研究成果的优点和不足。在此基础上,从虚假数据攻击对分布式状态估计的影响、相量测量单元(phasor measurementunit,PMU)/SCADA混合量测下虚假数据攻击和多代理技术在虚假数据攻击防御中的应用3个方面对虚假数据攻击研究进行了展望。     

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。     

基于SCADA/PMU混合量测的广域动态实时状态估计方法

根据来自监视控制与数据采集(supervisory control and data acquisition,SCADA)系统和相量测量单元(phasor measurement unit,PMU)的数据特点,提出了一种基于SCADA/PMU混合量测的广域动态实时状态估计方法,该方法充分利用了各节点间电压变化的相互联系,通过SCADA系统提供的初始值和安装PMU的节点的电压量测可简单地获得其他未安装PMU节点的电压相量。该方法有效地解决了在PMU配置不足的情况下如何观测电网状态以及如何在动态过程下实时观测电网。最后,通过对新英格兰10机39节点系统的多种故障进行仿真,验证了该方法的有效性和准确性。     

计及PMU量测的分步线性状态估计模型

提出一种基于广域量测系统(wide area measurement system,WAMS)和数据采集与监控(supervisory control and data acquisition,SCADA)系统混合量测的电力系统状态估计方法,该方法充分利用相量测量单元(phasor measurement unit,PMU)量测方程为线性方程的特点,将SCADA量测方程分解为两步线性化方程,并将PMU量测数据中的电压幅值平方、电流幅值平方和相角量测分别添加到2个线性化方程中,从而实现PMU和SCADA混合量测状态估计的非迭代计算,提高了计算效率。通过IEEE标准系统和波兰电网仿真算例,验证了所提方法的有效性。     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。     

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。     

基于混合量测的二次线性状态估计方法及其工程应用

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,如果仍采用传统非线性估计模型,将面临PMU量测计算权值难以确定、PMU量测坏数据辨识不准、相角参考点和成熟商用程序改动等多方面问题。提出了一种基于混合量测的二次线性状态估计方法。该方法在传统非线性状态估计收敛后,利用其结果中的各节点电压幅值及相角估计值和PMU相量量测再进行二次线性状态估计计算,有效解决了上述问题。最后结合电网实例验证了该方法的有效性。     

基于PMU/SCADA混合量测的电力系统状态估计

为提高电力系统状态估计的准确度,在现有理论基础上提出了基于PMU/SCADA混合量测的状态估计方法,将电力系统划分为线性区域和非线性区域,在线性区域内计算与安装PMU装置相关联节点处的电压相量,将该计算结果作为间接量测引入非线性区域的状态估计中,从而使状态估计的准确度有所提高。仿真实验表明,在IEEE-14系统中,该算法计算速度快,能有效提高状态估计的精度,具有一定的实用价值。     

用于电力系统状态估计的WAMS/SCADA混合量测数据融合方法

为了充分利用相量测量单元(PMU),并与数据监控及采集系统(SCADA)相结合以提高状态估计精度,详细分析了广域测量系统(WAMS)和SCADA这2套系统数据存在的4种差异(数据成分、传输延时、刷新频率、数据精度)。给出了2套数据在线性、非线性以及混合非线性3种估计模型下的数据成分处理方法;提出了全球定位系统(GPS)对时与时延校正相结合的方法以提高数据断面一致性;采用分段曲线拟合方法来填补PMU上传时刻SCADA数据的空缺,建立了多时间标尺混合量测预处理数据集,它可以用于多种时间尺度下的状态估计。在4节点测试系统潮流基础上叠加随机误差,形成量测数据,采用加权最小二乘估计算法,验证了该方法的有效性。