电力系统状态估计(power system state estimation,PSSE)在现代智能电网的稳定运行中起着至关重要的作用,但它也容易遭受网络攻击。虚假数据注入攻击(false data injection attacks,FDIA)是最常见的网络攻击方式之一,它可以篡改量测数...电力系统状态估计(power system state estimation,PSSE)在现代智能电网的稳定运行中起着至关重要的作用,但它也容易遭受网络攻击。虚假数据注入攻击(false data injection attacks,FDIA)是最常见的网络攻击方式之一,它可以篡改量测数据并绕过不良数据检测(bad data detection,BDD)机制,从而导致不正确的状态估计结果。文中提出一种基于数据驱动的针对PSSE的FDIA防御框架,该框架包含异常检测子框架和数据恢复子框架。异常检测部分采用改进的图卷积网络(improved graph convolutional network,IGCN)模型,该模型采用动态的边缘条件滤波器作用于图结构中,有效利用电力系统的拓扑信息、节点特征和边特征,从而检测出异常值。数据恢复部分采用变分自编码器(variational auto-encoder,VAE)模型,该模型将深度学习思想与贝叶斯推理相结合,可以有效地将异常数据恢复到在正常运行情况下的数值。针对不同攻击强度和攻击程度下的IEEE 14系统进行案例研究,以评估防御框架的检测与恢复性能。仿真结果表明,基于IGCN的异常检测子框架性能优于常规的数据驱动模型框架,其总体精确率为99.348%,召回率为99.331%,F1值为99.324%,基于VAE的数据恢复子框架的总体平均绝对误差为0.00534 p.u.,证明了防御框架优异的检测与恢复性能。展开更多
仿真是研究电力系统的重要工具。传统的电力系统时域仿真基于离散时间积分求解状态变量运动轨迹,无法自动确定仿真范围和步长。文中介绍了一种基于离散事件的仿真方法——量子化状态系统(quantized state systems,QSS)仿真,并在此基础...仿真是研究电力系统的重要工具。传统的电力系统时域仿真基于离散时间积分求解状态变量运动轨迹,无法自动确定仿真范围和步长。文中介绍了一种基于离散事件的仿真方法——量子化状态系统(quantized state systems,QSS)仿真,并在此基础上提出了一种时空自律的仿真方法。该方法将系统的动态变化过程描述为一系列按照时间顺序发生的事件,并根据输入量阈值自动确定仿真范围。算例分析验证了该方法在保证计算准确的同时,能够自适应调整仿真的范围和步长。展开更多
文摘电力系统状态估计(power system state estimation,PSSE)在现代智能电网的稳定运行中起着至关重要的作用,但它也容易遭受网络攻击。虚假数据注入攻击(false data injection attacks,FDIA)是最常见的网络攻击方式之一,它可以篡改量测数据并绕过不良数据检测(bad data detection,BDD)机制,从而导致不正确的状态估计结果。文中提出一种基于数据驱动的针对PSSE的FDIA防御框架,该框架包含异常检测子框架和数据恢复子框架。异常检测部分采用改进的图卷积网络(improved graph convolutional network,IGCN)模型,该模型采用动态的边缘条件滤波器作用于图结构中,有效利用电力系统的拓扑信息、节点特征和边特征,从而检测出异常值。数据恢复部分采用变分自编码器(variational auto-encoder,VAE)模型,该模型将深度学习思想与贝叶斯推理相结合,可以有效地将异常数据恢复到在正常运行情况下的数值。针对不同攻击强度和攻击程度下的IEEE 14系统进行案例研究,以评估防御框架的检测与恢复性能。仿真结果表明,基于IGCN的异常检测子框架性能优于常规的数据驱动模型框架,其总体精确率为99.348%,召回率为99.331%,F1值为99.324%,基于VAE的数据恢复子框架的总体平均绝对误差为0.00534 p.u.,证明了防御框架优异的检测与恢复性能。
文摘仿真是研究电力系统的重要工具。传统的电力系统时域仿真基于离散时间积分求解状态变量运动轨迹,无法自动确定仿真范围和步长。文中介绍了一种基于离散事件的仿真方法——量子化状态系统(quantized state systems,QSS)仿真,并在此基础上提出了一种时空自律的仿真方法。该方法将系统的动态变化过程描述为一系列按照时间顺序发生的事件,并根据输入量阈值自动确定仿真范围。算例分析验证了该方法在保证计算准确的同时,能够自适应调整仿真的范围和步长。