基于ＲＮＮ的智能电网拓扑变异型ＦＤＩ攻击检测方法

王海吉 胡健坤 田元

摘 要：针对近年来对智能电网运行状态构成严重安全威胁的虚假数据注入问题，提出一种基于循环神经网络的智能电网拓扑变异型虚假数据注入攻击检测方法．通过分析电力系统状态估计方法的不足和虚假数据注入攻击绕过系统监测与防御的入侵方式，引入循环神经网络分析连续数据序列的时序变化，并在ＩＥＥＥ-３０节点系统上进行仿真验证．仿真结果表明，提出的方法能够高效、准确地检测智能电网中产生的虚假数据注入攻击行为，其检测准确率可达９９.９％，相比于其他检测方法具有较大的优势．

关 键 词：虚假数据注入；循环神经网络；智能电网；攻击检测方法；拓扑变异；时序变化；ＩＥＥＥ３０节点系统；潮流数据

中图分类号：ＴＰ１３ 文献标志码：Ａ 文章编号：１０００－１６４６（２０２３）０２－０１３９－０６

智能电网旨在持续供应高质量的电能，其核心部件主要为能量管理系统（ＥＭＳ）、数据采集和监控系统（ＳＣＡＤＡ）．ＳＣＡＤＡ系统将电网测量值传输至ＥＭＳ系统进行分析，从而得到系统运行状态的估计值，并上传至调度控制中心并由中心发出调度指令确保电网的安全、稳定运行［１－３］．但随着互联网信息技术的不断发展，傳统电力系统的独立网络受到了较大冲击，现有电力系统的状态估计模块具有较大的安全隐患．虚假数据注入（ＦＤＩ）攻击是近年来的新型系统攻击方式，ＦＤＩ主要面向系统的状态估计问题，能够绕过系统的监测防御实现对系统数据序列进行注入攻击，从而使得系统运行状态的估计结果出现偏差，影响控制中心而做出不利于系统安全、稳定运行的决策，严重威胁智能电网的安全与可靠性［４－５］．