基于Bi-GRU和自注意力的智能电网虚假数据注入攻击检测

针对当前基于循环神经网络的智能电网虚假数据注入攻击(False Data Injection Attacks,FDIA)检测方法无法提取FDIA数据深层特征的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)和自注意力的检测方法.采用Bi-GRU学习...     

基于鲁棒主成分分析的智能电网虚假数据注入攻击

基于主成分分析（PCA）的盲攻击策略仅对具有高斯噪声的测量数据有效,在存在异常值的情况下,上述攻击策略将被传统的坏数据检测模块检测。针对异常值存在的问题,提出一种基于鲁棒主成分分析（RPCA）的盲攻击策略。首先,攻击者收集含有异常值的测量数据;然后,通过基于交替方向法（ADM）的稀疏优化技术从含有异常值的测量数据中分离出异常值和真实的测量数据;其次,对真实测量数据进行PCA,得到系统的相关信息;最后,利用获得的系统信息构造攻击向量,并根据得到的攻击向量注入虚假数据。该攻击策略在IEEE 14-bus系统上进行了测试,实验结果表明,在异常值存在的情况下,传统的基于PCA的攻击方法将被坏数据检测模块检测,而所提方法基于鲁棒PCA的攻击策略能够躲避坏数据检测模块的检测。该策略使得在异常值存在的情况下虚假数据注入攻击（FDIA）仍然能够成功实施。     

智能电网虚假数据注入攻击弹性防御策略的拓扑优化

基于虚拟隐含网络的虚假数据注入攻击(False data injection attack, FDIA)防御控制策略, 本文提出了一种基于图论的拓扑优化算法来提高其防御性能. 首先, 提出了一种图的等效变换方法 — 权值分配法, 实现二分图连接拓扑与二分图拉普拉斯矩阵的一一对应; 进而基于网络拓扑的连通度以及连通图的可去边理论, 给出了虚拟隐含网络和二分图连接网络的拓扑选择依据; 在考虑拓扑权值的基础上, 给出了权值拓扑优化的指标评价函数; 通过求解指标评价函数的最小化代价实现拓扑优化选择, 从而改善基于虚拟隐含网络的虚假数据注入攻击防御方法的性能. 最后, 通过在IEEE-14总线电网系统上的仿真验证了所提算法的有效性.     

基于递归神经网络的跌倒检测系统

针对现有跌倒检测方法存在适应性差和功能较单一等问题,引入递归神经网络,通过发掘位置传感器数据之间的内在联系提高检测跌倒行为的效果。首先,设计了传感器、训练与检测输入数据的序列化表示方法,为发掘其中与跌倒和接近跌倒行为相关的内在关联提供了基础;接着,给出了用于跌倒检测的RNN训练算法以及基于RNN的跌倒检测算法,将跌倒检测转换为输入序列的分类问题;最后,在前期实现的基于分布式神经元大规模RNN系统的基础上,在Spark平台上实现了基于RNN的跌倒检测系统,使用Fall_adl_data数据集进行了测试与分析,验证了其能有效提高跌倒检测的准确率和召回率,F值相比现有跌倒检测系统提高12%和7%,同时能有效检测出接近跌倒的行为,有助于及时采取保护措施减少伤害。     

智能电网海量信息数据检测关键技术分析

为满足智能电网对海量信息数据的检测需求,对基于调控云的智能电网海量数据检测的关键技术进行了研究,电网海量信息数据的检测基于对流通和传输的电网数据的分析结果.针对智能电网数据节点的电压和电流间的关系通过潮流计算方法的使用完成分析过程(以电网的导纳和阻抗为依据),电流与功率则根据电网的有功及无功注入完成计算,进而得到海量数...     

基于自适应Kalman滤波的智能电网假数据注入攻击检测EI北大核心CSCD

研究了一种针对智能电网中假数据注入攻击的有效检测方法.假数据注入攻击可以保持攻击前后残差基本不变,绕过传统的不良数据检测技术.首先基于电网模型,分析了假数据注入攻击的攻击特性,针对噪声统计特性未知且无迹Kalman滤波(Unscented Kalman filter,UKF)不稳定的现象,提出了自适应平方根无迹Kalman滤波改进算法.基于状态估计值,结合中心极限定理提出检测算法,并与欧几里得检测方法、巴氏系数检测方法进行比较.最后,仿真表明本文所提检测算法的优越性.     

基于递归神经网络的变压器套管绝缘故障检测方法研究

由于传统的变压器套管绝缘故障检测的方法未对故障类型进行分类,导致了故障检测的定位准确性较差,为此,提出基于递归神经网络的变压器套管绝缘故障检测方法.通过高分辨的智能信息跟踪识别方法采集故障信息特征并进行融合处理,采用递归神经网络学习方法在处理后的信息中提取电感和稳压参数,结合电力系统受扰响应特性特征分析方法,建立故障样...     

面向智能电网的PCA近似法错误数据注入攻击

准确的状态估计对于维持智能电网的正常运行至关重要.论文在雅可比(Jacobian)矩阵和状态变量分布假设未知的情况下,采用主成分分析近似法(PCA-Sim)研究了错误数据注入攻击问题,从线路测量的相关性中对Jacobian矩阵进行推导,验证了错误数据注入攻击近似隐形攻击,并且结合累积分布函数(cdf)分析了所提方法的性...     

利用大数据检测智能电网异常的分层架构

重点研究了智能电网异常分析过程中的大数据分析功能的分层架构.通过对当前电网大数据的数据结构进行分析,同时分析了当前智能电网大数据系统的惯用分析方法,最终形成了4个智能电网大数据分析过程的分析分层架构.第一层直接层可以通过对单节点数据的分析找到单一设备的直接故障,第二层关联层可以通过对多个节点的关联性特征进行时域比较分析...     

智能电网异常用电检测框架

智能电表的大量使用为电网中的异常行为检测提供了新的手段。本文基于智能电表采集的细颗粒的用电数据提出了面向智能电网的异常用电检测框架。该框架引入了用于客户分割的有限混合模型聚类和用于识别适合于预测的新特征的遗传编程算法的组合,并采用了梯度提升算法作为分类算法。利用来自4000多户家庭的用电数据集的试验表明,该检测框架具有明显优于其他的机器学习算法的性能。     

面向智能电网的数据传输安全技术研究

以智能电网的数据传输安全为例,介绍智能电网的标准体系。使用数字水印增强电网数据传输安全的方法,提出电网数据传输过程中抗攻击方案,以提高电网数据传输安全性能。     

反馈神经网络在入侵检测系统中的应用

对基于网络的入侵检测系统进行了研究,提出了将反馈网络应用于入侵检测系统中,使用一种改进的Jordan神经网络算法,借助于反馈神经网络提取描述攻击模式的特征和进行规则推导,然后用神经网络建立的规则集进行入侵检测,实验证明利用反馈神经网络提高了入侵检测系统的性能。     

智能电网中家域网安全数据汇聚与调度方法研究

智能电网中通信网络的安全是实施智能电网的一个重要环节。用户信息的隐私保护是智能电网安全服务的一个主要任务。智能电网中用户信息隐私保护主要围绕智能电表数据的机密性和匿名性展开。本文以家域网作为智能电网通信网络的一个基本数据汇聚与调度单元,提出了一种安全的网内数据汇聚与调度方法,从而保证了智能家居设备的用电信息的机密性和匿名性。采用NS-2对本文提出的网内方法进行了仿真研究。仿真结果表明,本文提出的网内数据汇聚与调度方法与传统方法相比具有较高的实用性。     

基于复杂网络的智能电网网络攻击影响分析研究

文章基于复杂网络理论,将智能电网抽象为由节点、边构成的拓扑网络结构,分别从仿真网络构建和网络攻击仿真模拟两个方面建立了基于复杂网络理论的智能电网网络攻击仿真流程。首先,构建仿真网络并分析仿真网络节点度分布和节点度数累积概率分布情况,得出该网络为无标度网络的结论。其次,进行网络攻击仿真模拟,设置两种攻击情形,分别为针对智能电网全部网络节点进行随机攻击(情形1)和针对智能电网网络中度数大于最大度数80%的节点进行攻击(情形2),通过对比分析两种攻击情形中的网络聚类系数、平均度、平均路径长度的变化特征,得出在对网络聚类系数的降低方面,情形1的作用小于情形2的作用;在平均度变化和网络平均路径长度影响方面,情形1的影响高于情形2。     

基于PCA-MP-BP的智能电网数据融合方法

为了提高对智能电网大数据的挖掘效率,提出了基于PCA-MP-BP的智能电网数据融合方法.首先对智能电网大数据技术和智能电网大数据融合技术进行了分析.采用主成分分析方法(PCA)提取出对预测结果有影响的主要特征值,作为BP神经网络的输入;然后提出了一种MapReduce和BP算法相结合的数据融合算法,该算法加快了数据处理...     

基于深度特征聚类和RNN的电网故障诊断

针对传统方法难以利用大量时序数据和无标签数据对电网进行故障诊断的问题,提出了基于深度特征聚类和循环神经网络(RNN)的电网智能故障诊断方法.该方法首先利用卷积神经网络搭建起特征提取器来提取时序数据的高层特征,然后对提取的特征进行半监督聚类,为无标签样本获得对应的标签,从而可以确定无标签样本所属的故障类别并加以利用;然后...     

火灾探测的模糊神经网络数据融合算法

为提高火灾报警系统的正确率,提出一种多传感器火灾探测系统的数据融合算法.采用模糊神经网络建立了数据融合决策模型,并用改进的BP算法对网络进行学习和训练,自动调整模糊系统参数.根据国家标准试验火数据进行网络训练,系统误差小于试验火标准误差要求,表明了算法的有效性和可行性.与其他方法探测结果进行比较,体现了所设计的算法的优越性.     

进化回归神经网络对时序数据和关联数据的建模能力研究

重点研究进化回归神经网络对时序数据和关联数据的建模能力。针对两个标准问题,采用不同形式的建模数据,比较了前向网络和回归神经网络的建模及预测效果,进一步将进化算法用于不同结构回归神经网络的训练并比较了它们的建模能力。仿真结果表明回归神经网络对时序关联数据有很好的建模和预测能力,相比于前向网络,无需过程时序特点的先验知识,可以采用最简单的建模数据形式。而进化算法相比于常规的梯度下降算法,用于训练不同的回归网络结构通用性好,且训练过程不受局部极小问题的困扰,适当规模的训练过程可以获得性能良好的神经网络模型。     

一个基于神经网络的网络入侵检测系统原型

设计了一个基于神经网络的网络入侵检测系统原型,给出了该模型的体系结构和其主要功能模块的实现方法。通过训练实验表明,把神经网络应用于入侵检测是行之有效的。