机器学习缓解的广域阻尼控制系统异常检测

摘要：

为了建立攻击弹性,以抵抗对测量信号和控制信号段的隐蔽网络攻击,提出了一种基于机器学习缓解策略的广域阻尼控制系统异常检测方法.首先提出基于信号熵的特征提取,从而提高机器学习模型的训练检测精度和鲁棒性.然后提出一种基于电力系统运行条件和网络攻击事件的组合数据集生成方法,以便用于任何大规模电网模型.引入的缓解模块能够调谐系统信号,并同时在测量和控制信号上进行攻击检测.在2区域4机电力系统的测试环境下对本文方法的性能进行了评估.结果表明:所提方法能够实现高精度的异常检测.

关键词：攻击弹性、机器学习、广域阻尼控制系统、异常检测、缓解策略

所属期刊栏目：22

分类号：TM571(电器)

资助基金：国网山西电力公司科技项目520533170007

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：16055-16066