91学术服务平台

您好,欢迎来到91学术官网!站长邮箱:91xszz@sina.com

发布论文

论文咨询

通用逆扰动下的主动配电网合谋攻击防御模型

  2025-03-11    85  上传者:管理员

摘要:为了解决合谋攻击防御下主动配电网受损率高的问题,提出通用逆扰动下的主动配电网合谋攻击防御模型。计算逆扰动深度网络模型的目标函数与通用逆扰动训练的损失函数,建立模型网络深度权重矩阵;利用深度梯度函数对攻击训练样本损失函数进行叠加求导,生成合谋攻击防御数学模型;利用最小网损期望的概念函数求解数学模型,完成主动配电网合谋攻击防御。实验结果表明,所设计模型对2 400个合谋攻击数据包的拦截防御时间都在10 ms以内,数据受损率低于0.5%,与传统模型相比,安全防御能力具有明显优势。

  • 关键词:
  • 主动配电网
  • 合谋攻击
  • 逆干扰防御
  • 通用逆扰动
  • 防御模型
  • 加入收藏

由于分布式主动配电网结构复杂、控制模式多样化,单一的防御模型无法全面应对外部的攻击手段,难以满足当前电力系统运行与安全保障需求。因此,设计检测效率更高的主动配电网攻击防御技术十分重要。

文献[1]利用知识图谱技术采集配电网的运行信息,对其中的多源异构数据进行综合风险评估;利用细胞自动机模型构建主动配电网正常状态与故障状态之间的转变机制,突出局部特征异常数据,进而检测并防御外部攻击干扰。该方法需要对各单元异常干扰进行具体分析,防御速率较慢,网络边界防御效率不高。文献[2]基于激励型需求响应,结合主动配电网控电能力的可靠性、安全性因素,构建电网最大供电能力模型,计算电网电源出力波动。设计安全态势评估系统,将模糊分析算法引入安全评估系统中,在线监测电网流量数据,对运行态势基础信息进行感知,有效识别隐蔽和异常信息所处位置,并采取相应防御措施。但该方法的降噪效果不佳,对攻击的识别准确率低,防御效果未得到明显提升。

针对以上研究成果的不足,研究通用逆扰动下的主动配电网合谋攻击防御模型,并分析其实际防御鲁棒性优化效果。


1、主动配电网合谋攻击防御模型设计


1.1主动配电网合谋攻击检测

采用分布式优化控制方法作为改变分布式主动配电网运行状态,提高控制安全性的主要途径,利用通用逆扰动方法进行主动配电网合谋攻击检测。采集主动配电网常态运行时的电性参数,识别其中的扰动信息,并根据网损等级检测外部合谋攻击信号[3-4]。

利用神经网络表示通用逆扰动防御过程,采集主动配电网电能参数,输入到神经网络中[5-6],作为原始输出样本参数集合。设定R表示输入维度,C表示输出维度,通用逆扰动传播网络内部结构深度权重为α,则通用逆扰动深度网络模型可表示为:

式中,f(x,α)表示电能参数x的神经网络目标函数,W表示通用逆扰动的传播网络层级输出函数。模型内参数按照神经网络结构进行传播,各层级之间存在深度权重。将权重矩阵与偏置参数组合训练,对检测训练数据组进行编号,可以提取原始数据中含有关键特征的良性样本,得到通用逆扰动训练的损失函数,如下:

式中,yi表示编号为i的特征良性样本真实类标参数,满足条件i∈{0,1,2,…,R-1},yi为良性样本的预测置信度,即权重与预测函数的交叉熵,计算公式为:

式中,ϕ(yi)为良性样本真实类标参数的预测置信度特征,p为预测交叉的偏置因子[7]。

对主动配电网电性参数样本数据进行通用逆扰动网络训练,不断迭代使损失函数达到最小值,并通过梯度下降得到损失目标的最优解。

如果所得样本预测置信度与真实类标参数一致,则说明此处并无攻击目标;若二者不相等,说明该节点为通用逆扰动攻击目标。当检测出合谋攻击干扰目标点时,在主动配电网系统单位中追寻标记的参数样本,确定干扰攻击真实位置坐标,传输到防御系统中进行样本信息更新,此时节点信号通用逆干扰更新为:

式中,xi表示通用逆干扰样本参数,β表示攻击检测训练网络迭代步长,Tb表示网损最小化梯度下降权重[8-9]。

经过上述计算,能够识别检测出主动配电网合谋攻击干扰信息,同时可以减少噪声扰动提高攻击检测敏感度,从而提高主动配电网的鲁棒性与泛化性能,降低配电网运行网损,有效提高攻击干扰检测效率。

1.2通用逆扰动防御数学模型构建

主动配电网通用逆扰动的合谋攻击防御主要通过对训练阶段的个体攻击单位进行逆扰动,生成对抗训练样本,实现配电网主动防御。基于上文合谋攻击检测过程,根据网损概率预测配电网攻击位置与攻击程度,通过单体逆向扰动生成训练样本防御数学模型[10-11]。生成步骤如图1所示。

图1防御数学模型生成步骤

1)将单体攻击参数训练样本调整至统一尺度,把图像数据尺寸设置为相同规格后导入数学模型,建立同一维度空间坐标系,并将信息初始化为0;

2)将原始数据信息与检测后的预测置信度参数一起导入到同一坐标维度中,按数据编号顺序叠加样本参数,引入深度权重计算损失函数;

3)根据损失结果的逆扰动趋势得到攻击节点单体特征——在空间坐标中的位置,更新训练集合。合谋攻击防御数学模型中深度维度的计算公式为:

式中,f(xi)为训练样本参数逆扰动深度梯度目标函数,γu表示通用逆扰动深度。利用深度梯度函数对攻击训练样本损失函数进行叠加求导,如下:

式中,lnx′i表示攻击样本参数xi的深度损失梯度求导结果,φ表示损失函数交叉熵的梯度因数。对训练数据进行深度迭代计算后,引入时间循环增长因子,计算攻击防御节点的时间复杂度,对损失函数进行约束收敛,如下:

式中,e(ti+1)表示训练样本在i+1攻击网损防御节点的时间复杂度,ti为节点i的时间序列梯度参数。计算时间复杂度对攻击节点通用逆扰动防御函数进行收敛[12]。

经过大量对抗样本数据的训练以及约束收敛,得到梯度转化逆扰动防御结果,进而生成通用逆扰动防御数学模型,如下:

该模型能够针对攻击节点进行离线训练检测,并提升时间分析复杂度。在样本有限的情况下,可以最小化合谋攻击防御训练损失,提高防御精准度,进而增强主动配电网边界安全性[13-14]。

1.3基于最小网损期望的网损防御指令求解

将分布式主动配电网电能数据特征维度与攻击边界,代入通用逆扰动合谋攻击防御模型[15-16],固定模型决策边界,使训练良性样本在决策空间的位置与数据维度位置相对应。

通过模型定位寻找损失目标,进行最小化防御概念函数运算,使防御模型在遇到攻击时,可以进行逆干扰防御,发挥最优化对抗效果,使期望网损达到最小值。基于最小网损期望的概念函数公式为:

式中,minF(xi)表示最小网损期望函数,(a,b)为攻击节点特征空间坐标,E()a,b为攻击节点(a,b)的防御训练损失平均值,maxxi∈xD表示良性样本所在维度在逆干扰训练中的最大概率分布,xu表示训练样本通用逆扰动转换参数,lxi表示训练样本参数xi的损失函数。

通过计算得到合谋攻击防御最小网损期望值,使良性特征在模型空间中进行聚类,快速识别电网信息安全参数特征。由系统根据结果发布防御指令,对攻击节点进行逆干扰防御,增强配电网攻击防御鲁棒性,能够有效提高主动配电网常态运行的稳定性。


2、实验研究


为了验证文中设计的通用逆扰动下的主动配电网合谋攻击防御模型实际应用效果,设定对比实验。选用基于知识图谱与细胞自动机技术的防御模型和基于激励型需求响应的防御模型作为对比方法。

通过逆扰动算法对主动配电网进行关联层次划分,划分的关联等级如图2所示。

图2关联等级划分结果

根据图2的划分结果,同时选用三种模型进行主动配电网合谋攻击防御,分析三种模型对风险信息数据的防御时间以及防御过程的波动状态。利用知识图谱与细胞自动机技术分解防御模型得到的实验结果如图3所示。

图3知识图谱与细胞自动机技术分解防御模型实验结果

观察图3可知,知识图谱与细胞自动机技术防御模型的防御能力较差。在防御过程中,模型易受到外界干扰影响,当风险数据量超过1600个,知识图谱与细胞自动机技术防御模型的防御时间超过阈值,防御能力明显降低。

利用激励型需求响应防御模型得到的实验结果如图4所示。

图4激励型需求响应防御模型实验结果

根据图4可知,激励型需求响应防御模型的防御能力相对较差。在防御过程中,模型稳定性较差,易受到外界干扰影响,但防御时间始终在阈值内,防御能力优于知识图谱与细胞自动机技术分解防御模型。

利用通用逆扰动算法防御模型得到的实验结果如图5所示。

图5通用逆扰动算法防御模型实验结果

观察图5可知,在防御过程中,模型仅到后期出现轻微不稳定的状态,运行过程不易受到外界干扰影响,防御时间较短。

进一步检测三种模型防御后的电网数据损失率,得到的实验结果如表1所示。

根据表1可知,文章设计的通用逆扰动下的主动配电网合谋攻击防御模型数据受损率低于0.5%,明显低于其他两种模型。

表1数据损失率实验结果


3、结束语


该文利用神经网络构建通用逆扰动训练模型,训练良性样本得到预测置信度参数,引入深度矩阵迭代训练,提高了网损干扰检测准确率。通过引入时间复杂度进行收敛,提升了网损参数检测效率。基于最小网损期望函数计算合谋攻击防御模型最优解,有效提高了配电网攻击防御鲁棒性。


参考文献:

[1]梅冰笑,周金辉,孙翔.基于知识图谱与细胞自动机模型的配电网信息系统风险分析[J].中国电力,2022,55(10):23-31,44.

[2]杨晓萍,张凡凡,解骞,等.基于激励型需求响应的主动配电网态势利导方法[J].太阳能学报,2022,43(3):133-140.

[3]刘科研,贾东梨,王帅.计及检修计划的智能配电网运行风险等级划分定量分析方法[J].湖南大学学报(自然科学版),2023,50(4):176-184.

[4]冯景瑜,时翌飞,王腾.智能电网中抗主次合谋攻击的群智频谱感知加固方案[J].信息网络安全,2022,22(3):1-9.

[5]郝志荣,陈龙,黄嘉成.面向文本分类的类别区分式通用对抗攻击方法[J].计算机科学,2022,49(8):323-329.

[6]杨嘉静,程若发,许立斌.计及新能源接入的主动配电网多目标优化仿真[J].计算机仿真,2022,39(9):108-113,393.

[7]刘淼,孟静,尹申,等.混合交直流主动配电网接纳裕度双重不确定性优化模型[J].电机与控制应用,2023,50(3):88-94.

[8]胡润滋,古济铭,赵科,等.准Z源光伏逆变直流链电压积分滑模控制仿真[J].计算机仿真,2022,39(8):78-85.

[9]陈春,高靖,曹一家,等.多源配网主动孤岛恢复过程电压频率波动的平抑方法[J].上海交通大学学报,2022,56(5):543-553.

[10]吴科成,吴晗,王凤学,等.兼顾时序特性和不确定性的柔性配电网概率网损分摊方法[J].南方电网技术,2022,16(6):82-93.

[11]唐杰,吕林,叶勇,等.多时间尺度下主动配电网源储-荷协调经济调度[J].电力系统保护与控制,2021,49(20):53-64.

[12]李佳蓉,林今,邢学韬,等.主动配电网中基于统一运行模型的电制氢(P2H)模块组合选型与优化规划[J].中国电机工程学报,2021,41(12):4021-4033.

[13]虎智峰,陈静,张婧菲,等.考虑新能源不确定性边界的主动配电网优化调度[J].智慧电力,2022,50(11):48-55.

[14]翁嘉明,刘东,安宇,等.馈线功率控制下的主动配电网信息物理风险演化分析[J].中国电力,2021,54(3):12-22.

[15]肖雄,唐卓,肖斌,等.联邦学习的隐私保护与安全防御研究综述[J].计算机学报,2023,46(5):10191044.

[16]袁文勇,易铮阁,李瑞峰,等.云中支持抗合谋攻击的批验证方案[J].郑州大学学报(理学版),2023,55(1):42-48.


基金资助:云南电网公司电网管理平台(资产域)二期推广实施配套项目(059300HK42222006);


文章来源:刘秀,唐铭,原野,等.通用逆扰动下的主动配电网合谋攻击防御模型[J].电子设计工程,2025,33(05):125-128+133.

分享:

91学术论文范文

相关论文

推荐期刊

网友评论

加载更多

我要评论

电力系统保护与控制

期刊名称:电力系统保护与控制

期刊人气:3078

期刊详情

主管单位:许昌开普电气研究院有限公司

主办单位:许昌智能电网装备试验研究院

出版地方:河南

专业分类:电力

国际刊号:1674-3415

国内刊号:41-1401/TM

邮发代号:36-135

创刊时间:1973年

发行周期:半月刊

期刊开本:大16开

见刊时间:一年半以上

论文导航

查看更多

相关期刊

热门论文

【91学术】(www.91xueshu.com)属于综合性学术交流平台,信息来自源互联网共享,如有版权协议请告知删除,ICP备案:冀ICP备19018493号

微信咨询

返回顶部

发布论文

上传文件

发布论文

上传文件

发布论文

您的论文已提交,我们会尽快联系您,请耐心等待!

知 道 了

登录

点击换一张
点击换一张
已经有账号?立即登录
已经有账号?立即登录

找回密码

找回密码

你的密码已发送到您的邮箱,请查看!

确 定