基于灰色关联分析法的电力系统隐蔽性数据攻击检测新方法

传统状态估计难以对带有隐蔽性粗差的注入量测进行辨识,本文提出一种基于灰色关联分析法的电网状态估计隐蔽性数据攻击检测新方法。该方法将历史相邻断面量测向量的差分构成量测变化序列,通过灰色关联分析法计算各序列之间的加权关联度,构成未受攻击时的加权关联度阈值域,若当前断面量测变化序列的加权关联度超出阈值域,则判定该断面量测数据受到信息恐怖攻击。为了使低出线数节点的强相关量测受到攻击后,增大其在加权关联度中的影响,进一步提出了基于节点出线度的量测加权权重计算方法。通过IEEE14节点系统分析了多个状态变量被不同模式的数据攻击时的检测结果,验证了本文方法的有效性。     

基于空间特征的电网同步量测虚假数据注入攻击检测

随着电力系统向能源互联新生态逐渐迈进及网络层和物理层的深度耦合,网络攻击对电力系统的威胁不断提升。源身份欺骗攻击作为一种新型且复杂、强隐秘性的虚假数据注入攻击,可导致电网控制系统判断错误,引发系统瘫痪。针对这一问题,提出一种基于空间特征的电网同步量测虚假数据注入攻击检测方法。该方法通过变分模态分解和改进离散正交S变换提取同步量测装置不同位置的空间特征,实现在不损失量测数据空间特征的基础上,提取量测数据的身份认证信息;结合轻量型卷积神经网络评估量测数据遭受源身份攻击的可能性,加速检测响应速度。通过实际多点同步量测数据的检测结果,验证了该方法的有效性。     

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。     

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。     

基于数据驱动的稀疏虚假数据注入攻击

提出了一种基于数据驱动的稀疏虚假数据注入攻击策略。攻击策略分为3个阶段:第一阶段,基于稀疏优化技术对窃听的数据进行预处理以剔除异常值;第二阶段,基于平行因子分解算法推断不完整的系统信息矩阵;第三阶段,根据推断的系统矩阵,使用凸优化的方法求解稀疏攻击向量。仿真实验结果表明,当存在异常值时,传统的攻击策略无法成功实施,而所提攻击策略仍能成功地实施稀疏虚假数据注入攻击。     

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,可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,文中研究了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,文中所提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辨识虚假数据注入攻击的能力。     

基于PMU量测的配电网稀疏估计

同步相量量测技术的应用为配电网估计如潮流雅可比矩阵估计和电压/相角-功率灵敏度估计提供了重要技术基础。针对潮流雅可比矩阵的相关性、稀疏性和对称性,提出了一种基于同步相量测量单元量测数据的潮流雅可比矩阵和灵敏度矩阵的稀疏估计方法,在较少量测下,有效估计了雅可比矩阵和灵敏度矩阵。进一步针对量测过程中出现的不良数据,引入鲁棒性更大的加权最小二乘法,提高了算法的鲁棒性。最后,通过IEEE33节点配电系统验证了方法的可行性。     

基于量测数据相关性的电力系统不良数据检测和辨识新方法

电力系统量测数据的质量是影响电力系统状态估计效率和结果的重要因素,而量测数据中客观地存在少量不良数据,检测和辨识这些不良数据是电力系统状态估计的重要组成部分。文章分析了量测数据协方差矩阵中的元素值在量测数据中含有白噪声、突变量和不良数据时的变化规律,提出了通过量测数据协方差矩阵中元素的变化规律检测和辨识不良数据的新方法,在IEEE14节点系统上的仿真试验验证了该方法的正确性。     

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。     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识,用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵,在建立可疑量测集时,考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明,该方法检测与辨识坏数据的能力较强。     

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。     

Improved-ELM method for detecting false data attack in smart grid

Power grid is a complex system which closely links the power generation and power consumer through transmission and distribution networks. With the development of smart grid, smart grid is more open to external communication systems, it also has exposed some problems in the network attacks. A new false data injection attack (called the unobservable attack) that can bypass the traditional BDD and inject random errors into state estimation. We propose an improved extreme learning machine (ELM) for attack detection. The artificial bee colony (ABC) incorporates the thought of differential evolution algorithm (DE) to optimize ELM for improving detection precision. In this paper, Autoencoder is used to reduce the dimensionality of the measurement data, which makes the low-dimensional data information basically and fully represent high-dimensional data. We verify the performance of the proposed method on IEEE bus systems, and prove that the proposed method can effectively detect such unobservable attack.     

面向交直流混联系统的虚假数据注入攻击方法

虚假数据注入攻击是威胁电力系统安全稳定运行的重要因素之一,研究攻击者针对电力系统的网络攻击方法,能为改进系统防御措施提供决策依据。文中基于高压直流换流站运行特性与交直流耦合特性,提出了面向交直流混联系统的虚假数据注入攻击方法。首先,分析了交直流混联系统状态估计的基本原理;然后,提出了针对交直流混联系统的攻击策略,构建了攻击模型;最后,以改进的IEEE 30节点系统为例进行仿真验证。算例结果表明针对交直流混联系统的虚假数据注入攻击能够绕过不良数据检测算法,破坏系统的安全稳定运行,验证了所提模型和方法的有效性。     

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%。     

电网虚假数据注入攻击的双层优化模型

近年来随着智能电网技术和信息技术的发展,电力系统受到网络攻击的可能性越来越大。基于状态估计原理提出了虚假数据注入(FDI)攻击双层非线性优化模型。上层模型中,网络攻击方对电力系统测量数据展开攻击,其目的是寻找最优攻击方案使电力系统的经济损失最大化,以量测攻击范围和状态估计残差为约束条件,而下层模型采用安全约束经济调度模型,调度运行人员根据状态估计处理后的负荷数据优化调度电力系统的运行。针对双层优化模型的复杂性,利用KKT(Karush-Kuhn-Tucker)条件将其转化为单层非线性规划模型后求解。在GAMS上实现所提出虚假数据注入攻击非线性规划模型的编程仿真,并调用非线性规划求解器BARON进行求解。算例分析结果表明FDI双层优化攻击可能严重危害电力系统安全和经济运行,验证了所提出模型和方法的有效性。     

基于集员滤波的自动发电控制系统虚假数据注入攻击检测

随着先进通信与信息技术的广泛应用,虚假数据注入攻击已成为威胁自动发电控制系统安全的重要因素之一。网络攻击的检测是防御的首要任务,文中提出了一种基于集员滤波的自动发电控制系统虚假数据注入攻击检测方法。首先,针对自动发电控制系统中虚假数据注入攻击的影响进行了分析,并建立了互联电网自动发电控制系统模型以及虚假数据注入攻击的模型。其次,基于实时自动发电控制系统的控制指令以及测量数据,对自动发电控制系统椭球集进行预测更新和测量更新,通过判断预测更新椭球集与测量更新椭球集之间是否存在交集,检测系统的数据传输中可能存在的虚假数据注入攻击。最后,在IEEE标准双区域互联电网中验证了所提方法的有效性。     

KLU稀疏直接求解器在状态估计中的应用

稀疏矩阵及稀疏线性方程组求解已成为大规模电网状态估计计算效率的瓶颈,阐释了基于BTF和Gilbert-Peierls算法的稀疏矩阵直接求解器KLU（Clark Kent LU）,并将其嵌入到智能调度技术支持系统中生产运行的状态估计程序功能。首先在计算得到雅可比矩阵的基础上基于OpenMP并行化技术快速求解信息矩阵;然后使用KLU求解器进行信息矩阵的因子表符号分析和数值分解;最后在状态估计计算过程中使用KLU求解器求解线性方程组,从而提高大规模电网状态估计的计算效率。通过省中心、分中心、模型数据中心D5000的状态估计实际应用,证明了该方法的有效性和实用性。     

基于DKPCA的电力信息系统虚假数据注入攻击检测方法

电力信息系统的虚假数据注入攻击(FDIA)通过恶意篡改对应物理系统的状态数据,影响电网的正常运行。本文提出一种基于动态核主元分析(DKPCA)的虚假数据注入攻击检测方法,目的是解决电力信息系统中FDIA事件的时间相关性(动态性)问题,以及非线性变量难以分离问题。该方法通过构建动态增广矩阵解决了变量间的动态自相关性,利用核矩阵将非线性变量映射到高维空间转化为线性变量,引入主元分析建立DKPCA模型求得统计量的控制限,实时检测数据判断是否有故障发生。通过在IEEE-30节点系统上进行实验仿真,与KPCA、PCA、NPE、TNPE等检测方法比较,结果显示DKPCA模型检测率高达100%,同时保持较低的误报率0.2%。证明了所提方法可以实时检测电力信息系统中的攻击数据,有效避免故障漏报,确保电力信息系统数据安全。     

基于分块QR分解的一种状态估计算法

文中提出了一种基于分块QR分解的状态估计方法。该方法把虚拟测量处理为等式约束，避免了由于权因子分散而导致的数值病态问题。在每次迭代中，通过对两个分块矩阵的QR分解和一个稀疏三角线性方程组的求解，实现了系数矩阵的三角分解。与带有约束的正规方程(NE/C)法相比，不但消除了Jacobian矩阵叉乘造成的信息损失，而且保证了分解的数值稳定性。稀疏QR分解采用了基于Givens变换的方法并利用最小度列排序和变主元消元策略。减少注入元素的数目，提高了状态估计的计算效率。试验系统的仿真结果表明了该方法具有良好的数值稳定性和鲁棒性，而且有较高的计算效率，可以满足在线状态估计的要求。