(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210835620.1 (22)申请日 2022.07.15 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 杨立群　李舟军　徐同阁　翟优　 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于信号处理及数据约简的智能 电网 虚假数据注入攻击 检测方法 (57)摘要 本发明公开了一种基于信号处理及数据约 简的智能电网虚假数据注入攻击检测方法， 可用 在电力系统状态估计环节之后， 首先使用离散小 波变换技术(Discrete  Wavelet Transform， DWT)提取状态量行为特征生成高维特征向量； 其 次， 使用改进的极限学习机(ImprovedExtreme   Learning  Machine， IELM)对高维特征向量进行 约简以缩短检测器训练时间， 并避免 “维度灾 难”； 最后， 以新生成的低维特征向量训练长短期 记忆网络(Long  Short TermMemory， LSTM)， 生成 智能电网虚假数据注入攻击检测器。 过程中， 新 生成的低维特征向量存储在数据库中作为扩充 数据集以持续优化检测器。 本发 明的目的在于提 出一种实时准确的智能电网虚假数据注入攻击 检测方法， 确保电力系统安全稳定运行。 权利要求书4页 说明书9页 附图2页 CN 115293244 A 2022.11.04 CN 115293244 A 1.一种基于信号处理及数据约简的智能电网虚假数据注入攻击检测方法， 其特征在 于， 包括如下步骤： 步骤S1： 通过电网控制中心读取当前时刻一周(168小时)以内的电力负荷 数据， 计算系 统量测量 值 z为m×n矩阵， 均为1×n矩阵； 步骤S2： 向计算的量测量注入虚假数据生成虚假量测量， 定义攻击向量a＝[Pa Qa pa  qa]T， 其中Pa， Qa， pa， qa分别为电力系统内节点的有功和无功注入功率及支路的有功和无功 潮流注入量； 步骤S3： 对正常和虚假的量测数据执行状态估计并利用该环节内的BDD消除量测数据 中的异常数据， 生成估计 状态量 步骤S4： 使用离散小波变换对正常和虚假的估计状态量进行特征提取并重组成特征向 量F＝[f1,f2,...,fd]T； 步骤S5： 使用改进的极限学习机约简特征向量F＝[f1,f2,...,fd]T的维度得到低维的特 征向量Fl＝[f1,f2,...,fr]T， r≤d， 对每 个低维特 征向量添加标签； 步骤S6： 将低维特征向量按比例划分训练集和测试集， 持续将训练集样本存入特征数 据库， 不断训练优化长短期记 忆网络检测器至全部训练集数据输入完毕； 步骤S7： 实时输入测试集样本至长短期记忆网络检测器得到预测标签， 将预测标签与 实际标签对比计算测试样本正确/错 误检测的个数， 求得检测准确度、 精度、 召回率； 步骤S8： 利用训练好的长短期记 忆网络检测器对智能电网虚假数据进行实时检测。 2.根据权利要求1中所述的一种基于信号处理及数据约简的智能电网虚假数据注入攻 击检测方法， 其特 征在于， 在步骤S2中， 生成虚假 量测量的具体步骤为： 步骤S201： 初始化系统状态量[V  θ]T＝[V0 θ0]T， 其中V0和θ0为随机初始的状态量即电 压幅值和电压相角； 步骤S202： 使用当前系统状态量[V  θ]T计算虚假量测 量za＝[P Q p q]T,其中P， Q， p， q 为节点有功、 无功 注入功率， 支路有功、 无功潮流； 步骤S203： 使用如下标准检验生成的虚假量测数据za是否越界， 若不越界， [V  θ]T可选 为虚假状态量， 反正， 更新系统状态量： 其中P和 为节点有功注入的上下限， 和p为支路有功潮流上下限， 和q为支路无 功潮流上 下限； 步骤S204： 通过求 解以下优化问题计算状态量增量[ΔV  Δθ ]T： 权　利　要　求　书 1/4 页 2 CN 115293244 A 2其中G为电压相角转化为支路相角差的系数矩阵， 变量Si为决定状态量增量的松弛控制 变量； 步骤S205： 更新状态量[V  θ ]T←[V θ ]T+[ΔV Δθ ]T， 返回步骤S202生成虚假 量测。 3.根据权利要求2中所述的一种基于信号处理及数据约简的智能电网虚假数据注入攻 击检测方法， 其特征在于， 步骤S 3中生成估计状态量， 系统量测量和系统状态 量的关系表 示 为： z＝h(x)+e     (3) 其中z为量测数据， 由电力系统内节点的有功、 无功注入和支路的有功、 无功潮流组成， h(.)表示系统拓扑关系， e为 量测误差； 使用加权最小二乘 法(Weighted  Least Square Method， WLSM)可估计电力系统最优状 态量， 其最优状态估计量计算 函数为： 其中R‑1为对角协方差矩阵。 4.根据权利要求3 中所述的一种基于信号处理及数据约简的智能电网虚假数据注入攻 击检测方法， 其特征在于， 在步骤S4中采用离散小波变换对正常和虚假的估计状态量进行 特征提取并组成特 征向量， 具体步骤为： 步骤S401： 定义时刻t对应的母小 波 ψ(t)， 根据母小 波可计算出当前小 波 ψa,b(t)： 其中a和b分别为缩放因子和转移因子， 使用离 散小波变换可将a和b离 散化为： 步骤S402： 设置a0＝2， b0＝1， 定义估计状态向量为s(t)， 使用小波 ψa,b(t)将s(t)分解为 信号序列： 其中 为离散小波 的复杂共 轭； 步骤S403： 使用快速 Mallat算法， 将估计 状态向量s(t)在M层分解 为多重解： 其中aM,k和 为在M层级上 的近似系 数和伴随尺度函数， 至此估计状态向量s(t)可分 解为一个近似系数AM(t)和M个详细系数Dj(t)系数组成特 征向量F＝[f1,f2,...,fd]T。 5.根据权利要求4中所述的一种基于信号处理及数据约简的智能电网虚假数据注入攻 击检测方法， 其特 征在于， 在步骤S5的具体步骤为： 步骤S501： 给定数据集 极限学习机模型 可表示为：权　利　要　求　书 2/4 页 3 CN 115293244 A 3