基于支持向量机的电力系统恶意数据辨识方法
随着计算机网络与物理硬件在电力系统中的联系与通信日渐紧密，电力系统运行效率提高。然而这使得攻击者也可以利用恶意数据通过计算机网络传播等方式在电力系统中进行注入攻击，使电力系统安全受到威胁。本文研究了以虚假数据注入攻击为代表的恶意数据原理和方法，测试了支持向量机方法在电力系统恶意数据辨识上的效果。本文首先利用加权最小二乘法对电力系统进行了状态估计，分析了虚假数据注入攻击的原理，并在电力标准14 节点41 测点模拟系统以及30 节点93 测点系统上实现了注入攻击。使用传统的机器学习算法支持向量机，在14 节点41 测点模拟系统以及30 节点93 测点系统上对恶意数据进行辨识，发现对于状态估计器结果检测良好，但考虑现实中直接使用量测数据进行辨识的便利性，在扩大样本规模后利用主成分分析进行了特征选取，辨识效果良好。
电力系统 恶意数据辨识 机器学习 支持向量机
杨灿 王勇
上海电力大学,上海200090
国内会议
上海
中文
149-159
2019-05-17（万方平台首次上网日期，不代表论文的发表时间）