基于ＲＮＮ的智能電網拓撲變異型ＦＤＩ攻擊檢測方法

王海吉 胡健坤 田元

摘 要：針對近年來對智能電網運行狀態構成嚴重安全威脅的虛假數據注入問題，提出一種基于循環神經網絡的智能電網拓撲變異型虛假數據注入攻擊檢測方法．通過分析電力系統狀態估計方法的不足和虛假數據注入攻擊繞過系統監測與防御的入侵方式，引入循環神經網絡分析連續數據序列的時序變化，并在ＩＥＥＥ-３０節點系統上進行仿真驗證．仿真結果表明，提出的方法能夠高效、準確地檢測智能電網中產生的虛假數據注入攻擊行為，其檢測準確率可達９９.９％，相比于其他檢測方法具有較大的優勢．

關 鍵 詞：虛假數據注入；循環神經網絡；智能電網；攻擊檢測方法；拓撲變異；時序變化；ＩＥＥＥ３０節點系統；潮流數據

中圖分類號：ＴＰ１３ 文獻標志碼：Ａ 文章編號：１０００－１６４６（２０２３）０２－０１３９－０６

智能電網旨在持續供應高質量的電能，其核心部件主要為能量管理系統（ＥＭＳ）、數據采集和監控系統（ＳＣＡＤＡ）．ＳＣＡＤＡ系統將電網測量值傳輸至ＥＭＳ系統進行分析，從而得到系統運行狀態的估計值，并上傳至調度控制中心并由中心發出調度指令確保電網的安全、穩定運行［１－３］．但隨著互聯網信息技術的不斷發展，傳統電力系統的獨立網絡受到了較大沖擊，現有電力系統的狀態估計模塊具有較大的安全隱患．虛假數據注入（ＦＤＩ）攻擊是近年來的新型系統攻擊方式，ＦＤＩ主要面向系統的狀態估計問題，能夠繞過系統的監測防御實現對系統數據序列進行注入攻擊，從而使得系統運行狀態的估計結果出現偏差，影響控制中心而做出不利于系統安全、穩定運行的決策，嚴重威脅智能電網的安全與可靠性［４－５］．