基于SARIMA和OCSVM混合模型的智能电网负荷重分配攻击检测

【摘要】：随着电力信息系统和物理系统的深度融合,智能电网面临着来自物理和网络的双重威胁。作为一种严重的具有针对性的网络物理威胁,负载重分配攻击能有效绕过传统坏数据检测方法,相比传统的虚假数据注入攻击由于其目的性明确从而具有更加严重的危害,是智能电网安全稳定运行中一个具有挑战性的问题,因此有必要研究一种可靠和智能的检测机制。本文提出一种基于季节性自回归差分移动平均(SARIMA)和单类支持向量机(OCSVM)混合模型的攻击检测方法。首先基于负荷曲线数据的周期性实现负荷数据的精确预测,然后通过对融合实际测量数据和预测数据的特征提取,提出一种无监督学习的攻击检测方法实现攻击的有效检测。为了验证所提方法的有效性,我们在IEEE标准30总线电力系统上进行实验。结果表明与现有攻击检测方法对比,本文所提方法能显著提高攻击检测的性能。