信息物理系統(tǒng)正朝著智能化、規(guī)�；姆较虬l(fā)展,給社會(huì)帶來便利的同時(shí),系統(tǒng)的穩(wěn)定性與經(jīng)濟(jì)性卻面臨著越來越嚴(yán)峻的挑戰(zhàn),系統(tǒng)中的虛假數(shù)據(jù)作為一種不同于噪聲與奇異值的異常數(shù)據(jù),可以直接影響量測數(shù)據(jù)或系統(tǒng)狀態(tài)估計(jì)的準(zhǔn)確性,導(dǎo)致智能決策的失誤,進(jìn)而引起設(shè)備異常動(dòng)作,產(chǎn)生大規(guī)模不利影響。因此,本文以智能電網(wǎng)為背景,深入研究了虛假數(shù)據(jù)的實(shí)時(shí)檢測算法,針對現(xiàn)有算法存在的檢測延時(shí)大、準(zhǔn)確率低等不足,完成的主要工作如下:（1）對于電網(wǎng)總線側(cè)虛假數(shù)據(jù)檢測,針對基于KL散度或廣義對數(shù)似然比等單一指標(biāo)的檢測算法無法兼顧準(zhǔn)確性與快速性的不足,且考慮降低噪聲與野值對準(zhǔn)確率的影響,在量測序列中引入滑動(dòng)時(shí)間窗,提出了交流潮流模型下基于并行無跡卡爾曼濾波的多指標(biāo)混合檢測算法。測試分析了該算法對虛假數(shù)據(jù)的檢測性能,并與基于單一指標(biāo)的檢測算法進(jìn)行對比,數(shù)值仿真表明,所提算法在交流潮流模型下具有明顯的優(yōu)勢,在直流潮流模型下,在保證檢測準(zhǔn)確率的同時(shí),平均每100個(gè)測試序列的檢測延時(shí)也降低了13個(gè)采樣周期。（2）對于電網(wǎng)用戶側(cè)負(fù)荷虛假數(shù)據(jù)檢測,針對基于長短期記憶（long short term memory,LSTM）網(wǎng)絡(luò)數(shù)據(jù)預(yù)測或基... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

電力系統(tǒng)中的FDI攻擊點(diǎn)示意圖

RNN的典型結(jié)

燕山大學(xué)工學(xué)碩士學(xué)位論文-16-t1h——t)1(時(shí)刻隱藏層的特征向量；IHW——輸入層到隱藏層之間的權(quán)重矩陣。HHW——從記憶單元到隱藏層之間的權(quán)重矩陣HOW——隱藏層到輸出層之間的權(quán)重矩陣)(——非線性激活函數(shù)，一般選擇Sigmod函數(shù)或tanh函數(shù)等。在網(wǎng)絡(luò)的最后加入回歸層，采用線性回歸，tube回歸或支持向量回歸等可以對序列數(shù)據(jù)進(jìn)行有效的預(yù)測。對于RNN的權(quán)重參數(shù)(HOHHIH,,WWW)的更新，每一次的輸出值ty都會(huì)對應(yīng)產(chǎn)生一個(gè)誤差值te,則總的誤差可以表示為:teE,則損失函數(shù)可以使用交叉熵?fù)p失函數(shù),也可以使用平方誤差損失函數(shù)。常采用BP算法的一個(gè)擴(kuò)展算法——時(shí)間反向傳播(backpropagationthroughtime,BPTT)算法。如圖2-3所示，BPTT算法是通過將動(dòng)態(tài)的RNN網(wǎng)絡(luò)展開為靜態(tài)網(wǎng)絡(luò)后，將輸出端的誤差值反向傳遞并運(yùn)用梯度下降法對網(wǎng)絡(luò)參數(shù)進(jìn)行更新的。圖2-3RNN網(wǎng)絡(luò)的BPTT展開圖此外，自從Hinton2006年的工作之后，越來越多的研究者開始關(guān)注各種自編碼器模型相應(yīng)的堆疊模型�；赗NN的SAE網(wǎng)絡(luò)由于具有強(qiáng)大的序列特征提取與數(shù)據(jù)重構(gòu)能力，進(jìn)而被學(xué)者用來進(jìn)行數(shù)據(jù)異常檢測，即使用正常的數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，采用數(shù)據(jù)重構(gòu)誤差構(gòu)造損失函數(shù)進(jìn)行模型參數(shù)訓(xùn)練，網(wǎng)絡(luò)訓(xùn)練完成后，即可以對待檢測序列進(jìn)行重構(gòu)并進(jìn)行異常判斷。把數(shù)據(jù)重構(gòu)誤差作為判斷準(zhǔn)則實(shí)現(xiàn)對異常數(shù)據(jù)檢測的前提是當(dāng)異常數(shù)據(jù)被輸入到網(wǎng)絡(luò)中時(shí)，由于網(wǎng)絡(luò)對該異常數(shù)據(jù)的特征不能進(jìn)行有效的提取，必然會(huì)引起較大的數(shù)據(jù)重構(gòu)誤差，否則，無法對其進(jìn)行有效的檢測。在功能上，自動(dòng)編碼器可以理解為試圖去還原其原始輸入的系統(tǒng)，它由編碼器和解碼器兩部分組成，本質(zhì)上都是對輸入信號進(jìn)行擬合變換，編碼器將輸入信號x變

【參考文獻(xiàn)】：
期刊論文
[1]基于CNN-LSTM混合神經(jīng)網(wǎng)絡(luò)模型的短期負(fù)荷預(yù)測方法[J]. 陸繼翔,張琪培,楊志宏,涂孟夫,陸進(jìn)軍,彭暉.  電力系統(tǒng)自動(dòng)化. 2019(08)
[2]基于多種智能方法結(jié)合的電網(wǎng)故障診斷綜述[J]. 喻圣,鄒紅波,余凡,韓娜,嚴(yán)祥武,吳建新.  電力學(xué)報(bào). 2019(01)
[3]基于LSTM時(shí)間序列重建的生產(chǎn)裝置異常檢測[J]. 竇珊,張廣宇,熊智華.  化工學(xué)報(bào). 2019(02)
[4]智能電網(wǎng)信息系統(tǒng)體系結(jié)構(gòu)研究[J]. 李睿.  企業(yè)技術(shù)開發(fā). 2016(19)
[5]智能電網(wǎng)信息安全防御體系與信息安全測試系統(tǒng)構(gòu)建 烏克蘭和以色列國家電網(wǎng)遭受網(wǎng)絡(luò)攻擊事件的思考與啟示[J]. 李中偉,佟為明,金顯吉.  電力系統(tǒng)自動(dòng)化. 2016(08)
[6]烏克蘭事件的啟示:防范針對電網(wǎng)的虛假數(shù)據(jù)注入攻擊[J]. 趙俊華,梁高琪,文福拴,董朝陽.  電力系統(tǒng)自動(dòng)化. 2016(07)
[7]智能電網(wǎng)信息系統(tǒng)體系結(jié)構(gòu)研究[J]. 李超,侯慶雷,崔大明.  電子技術(shù)與軟件工程. 2015(24)
[8]廣域相量測量技術(shù)發(fā)展現(xiàn)狀與展望[J]. 段剛,嚴(yán)亞勤,謝曉冬,陶洪鑄,楊東,王立鼎,趙昆,李勁松.  電力系統(tǒng)自動(dòng)化. 2015(01)
[9]智能電網(wǎng)信息系統(tǒng)體系結(jié)構(gòu)研究[J]. 曹軍威,萬宇鑫,涂國煜,張樹卿,夏艾瑄,劉小非,陳震,陸超.  計(jì)算機(jī)學(xué)報(bào). 2013(01)

博士論文
[1]信息物理系統(tǒng)中攻擊檢測與安全狀態(tài)估計(jì)問題研究[D]. 敖偉.重慶大學(xué) 2017



本文編號：3637146