基于自適應分區狀態估計的智能電網不良數據檢測方法技術

本發明專利技術公開了一種基于自適應分區狀態估計的智能電網不良數據檢測方法：根據已有的智能電網物理結構參數生成相應的圖模型；利用聚類算法將圖模型分為若干子圖，每個子圖均對應于智能電網中的一個子系統；對于每個子系統進行不良數據檢測，并根據檢測結果更新圖模型，執行新的分區與檢測，以此將不良數據定位于較小的區間內。本發明專利技術可用于檢測針對智能電網設計的不良數據注入攻擊，利用分區技術，提高了不良數據檢測精度，并降低了檢測的時間復雜度；同時，通過多次分區的策略，在有效時間內將不良數據定位于較小的范圍內。

【技術實現步驟摘要】

本專利技術涉及智能電網數據安全領域，特別涉及一種針對智能電網不良數據注入的檢測以及定位方法。
技術介紹
智能電網利用信息網絡技術對電力網絡中發電、配電和耗電設備進行實時監測和優化控制，實現節能、減排等目標。控制中心通過采集終端以及傳輸線的電表量測數據，估計當前電網的運行狀態，并進行相應的調度決策。如何保證及時發現智能電表量測值的錯誤，防止黑客的惡意數據注入，是智能電網穩定運行的基礎。目前，電力系統中已提供了較為成熟的不良數據檢測數據技術，但是針對智能電網的特殊性質，其存在的嚴重隱患主要在于(I)智能電網的廣泛使用，導致第三方可以獲取智能電網終端裝置，了解智能電網的物理拓撲布局以及線路參數，并針對特定的網絡精心設計不良數據注入攻擊以避開傳統的電力系統不良數據檢測技術，最終實現入侵者在經濟、政治上的利益攫取；(2)智能電網通信節點數量巨大、工作環境復雜，傳統不良數據檢測技術針對大型網絡檢測需要消耗大量的計算時間，這對上級控制中心的運算能力以及存儲空間均提出了較高的要求。現有研究中，從理論上已經針對智能電網的直流傳輸模型提出了部分解決方案，但是，針對實際中復雜的交流傳輸問題，還沒有一種有效的方法可以從本質上解決上述問題。因此，從智能電網實際安全要求出發，需要找到一種具有較高靈敏度以及較快運行速度的不良數據注入檢測技術。
技術實現思路
本專利技術的主要目的在于提供一種，其根據已有的智能電網物理結構參數生成相應的圖模型；利用聚類算法將圖模型分為若干子圖，每個子圖均對應于智能電網中的子系統；對每個子系統進行不良數據檢測，并針對檢測結果更新圖模型，執行新的分區與檢測，以此將不良數據注入定位于較小的區間內。本專利技術的目的通過以下技術方案實現，包括如下步驟I)、根據給定的智能電網，構造相應的圖模型；2)、根據構造的圖模型，通過分區/聚類算法對圖模型分區，將圖模型劃分為若干子圖，每個子圖對應于智能電網中一個的子系統；3)、根據子系統分區結果，對每個子系統進行不良數據檢測；4)、根據不良數據檢測結果，當所檢測的每個子系統內均無不良數據，或者具有不良數據的子系統的結點數均小于或等于4，則滿足檢測終止條件，結束檢測；5)、當不滿足檢測終止條件，則更新圖模型，并執行步驟2)-步驟4)直到滿足檢測終止條件。本專利技術的進一步改進在于，所述步驟I)中建立圖模型的方法為:首先根據給定的智能電網的物理參數以及拓撲結構，選取發電機或者負載結點作為圖的頂點；當兩個結點直接通過物理輸電線路相連，則對應的頂點之間有直接相連的邊；所述給定的智能電網中含有η個發電/負載結點，m條傳輸線路，η和m均為正整數；構建的圖模型G= {V，A};其中，V= (V1, V2,...VJ為圖的頂點，對應于電網中的發電/負載結點；A={aij}i，j=l，2，.，η為圖的權重矩陣，當au=0代表頂點之間沒有傳輸線路直接相連；選取傳輸線路的阻抗值、網絡連通狀況或者是線路上的實際功率潮流作為圖模型中邊的權重。本專利技術的進一步改進在于，步驟2)的分區過程中，頂點之間的距離以步驟I)中所設定的邊的權重為準，并采用基于圖模型的L-bounded分區算法、K均值算法或K中心算法，對步驟I)中所建立的圖模型進行分區，得到若干個連通子圖；每個子圖對應于智能電網中的一個物理子系統。本專利技術的進一步改進在于，步驟3)的不良數據檢測的過程為:在每個子系統內，根據現有的量測值，先進行一次狀態估計得到子系統內每個結點當前的運行狀態，再采用卡方檢測或者是標準化殘差檢測，對每個子系統進行不良數據檢測；所述現有的量測值包括線路有功功率，線路無功功率，電力結點的運行電壓幅值，電力結點的運行電壓相角和結點的注入功率中一種或多種。本專利技術的進一步改進在于，步驟4)根據步驟3)中的不良數據檢測結果，進行下一個步驟的選擇:如果在每個子系統均沒有不良數據，或者不良數據均已被定位在結點數小于或等于4的子系統范圍內，則檢測過程結束；否則，針對步驟I)建立的原有圖模型進行更新后，重復步驟2)-步驟4)直到滿足檢測結束的條件。本專利技術的進一步改進在于，原有圖模型的更新過程為:a、當不良數據被定位在某個結點數大于4的子系統中，選取該子系統中的結點以及與該子系統直接相連的結點作為新的圖模型所包含的結點，建立新的圖模型；或者，b、將步驟2)所得到的分區中用于連接子系統的邊的結點相融合得到新的圖模型。本專利技術的進一步改進在于，步驟2)中分區所得每個子系統內有足夠的量測量冗余度用于實現狀態估計。本專利技術的進一步改進在于，步驟3)中現有的量測值為傳輸線路上的有功功率和無功功率；系統結點的狀態估計值為結點運行電壓的幅值和相角。相對于現有技術，本專利技術具有以下有益效果:(I)通過建立圖模型對電力系統進行自適應分區，在每個子系統內進行不良數據檢測，降低了每個子系統的量測量冗余度，提高了不良數據的檢測靈敏度；并通過多次分區縮小了不良注入數據所在的范圍初步實現了不良數據的定位；(2)算法復雜度低:相比于傳統不良數據檢測技術基于全局系統的狀態估計，本專利技術對每個子系統分別作基于狀態估計的不良數據檢測，使得運算時間大幅降低；并且在不良注入數據的定位過程中，進一步降低運算時間；(3)具有較好的普適性:本專利技術針對實際的交直流傳輸系統均可以進行不良數據檢測。附圖說明:圖1為本專利技術框圖。具體實施方式:請參閱圖1所示，本專利技術一種框圖，包括以下步驟:1)給定一個含有η個發電/負載結點，m條傳輸線路的智能電網，構建圖模型G= {V, A}印和^勾為正整數讀中^=^^，..^}為圖的頂點，對應于電網中的發電/負載結點；A={au} i，j = I, 2，…，η為圖的權重矩陣，當au=0代表頂點之間沒有傳輸線路直接相連；選取電網中的物理參數，如傳輸線路的阻抗值(建議)、網絡連通狀況或者是線路上的實際功率潮流作為權重矩陣中非零元素的值。由此，根據智能電網建立了相應的圖模型。2)根據步驟I)中建立的圖模型，選取基于圖模型的分區/聚類算法，如L-bounded分區算法(建議)、K均值算法或K中心算法，將圖模型G劃分為N個子圖{Gji = 1,2, -,N,N為正整數，每個子圖Gi均含有Iii個頂點以及Hii條邊；子圖Gi和子圖Gj之間有連接線ITijI。每個子圖均對應于電網中的一個物理子系統，子系統有足夠的量測值冗余度用于狀態估計；對于不滿足冗余度要求的分區結果，加以相應的調整。3)根據已有的電力參數量測值，(可選的參數包含:線路有功功率，線路無功功率，電力結點的運行電壓幅值、相角，結點的注入功率)對每個子系統進行狀態估計，估計子系統內結點的運行狀態，結點狀態值為結點的電壓幅值與相角。并采用不良數據檢測技術，如卡方檢驗或者標準化殘差檢驗，檢測每個子系統中的量測值是否含有不良數據。4 )根據步驟3 )中的檢測結果，如果每個子系統內均沒有不良數據，或者不良數據已經被定位在一個較小的范圍內(即具有不良數據的子系統的結點數小于或等于4)，則檢測過程終止；否則，更新已有的圖模型。5)圖模型的更新過程主要基于步驟3)中的檢測結果，建立新的圖模型，可選的策略有:a.當不良數據被定位在某個結點數大于4的子系SGi中，則取與該子系統相連的連接線ITijI以及連接線上的頂點并入子圖Gi中得到新子系統G本文檔來自技高網...

【技術保護點】
基于自適應分區狀態估計的智能電網不良數據檢測方法，其特征在于，包括如下步驟：1）、根據給定的智能電網，構造相應的圖模型；2）、根據構造的圖模型，通過分區/聚類算法對圖模型分區，將圖模型劃分為若干子圖,每個子圖對應于智能電網中一個的子系統；3）、根據子系統分區結果，對每個子系統進行不良數據檢測；4）、根據不良數據檢測結果：當所檢測的每個子系統內均無不良數據，或者具有不良數據的子系統的結點數均小于或等于4，則滿足檢測終止條件，結束檢測；5）、當不滿足檢測終止條件，則更新圖模型，并執行步驟2）?步驟4）直到滿足檢測終止條件。

【技術特征摘要】
1.基于自適應分區狀態估計的智能電網不良數據檢測方法，其特征在于，包括如下步驟: 1)、根據給定的智能電網，構造相應的圖模型； 2)、根據構造的圖模型，通過分區/聚類算法對圖模型分區，將圖模型劃分為若干子圖，每個子圖對應于智能電網中一個的子系統； 3)、根據子系統分區結果，對每個子系統進行不良數據檢測； 4)、根據不良數據檢測結果:當所檢測的每個子系統內均無不良數據，或者具有不良數據的子系統的結點數均小于或等于4，則滿足檢測終止條件，結束檢測； 5)、當不滿足檢測終止條件，則更新圖模型，并執行步驟2)-步驟4)直到滿足檢測終止條件。2.根據權利要求1所述的方法，其特征在于，所述步驟I)中建立圖模型的方法為: 首先根據給定的智能電網的物理參數以及拓撲結構，選取發電機或者負載結點作為圖的頂點；當兩個結點直接通過物理輸電線路相連，則對應的頂點之間有直接相連的邊；所述給定的智能電網中含有η個發電/負載結點，m條傳輸線路，η和m均為正整數；構建圖模型G= {V, A};其中，V= (V1, N2,...VJ為圖的頂點，對應于電網中的發電/負載結點'A= (BijIi，j = 1，2，…，η為圖的權重矩陣，當au=0代表頂點之間沒有傳輸線路直接相連；選取傳輸線路的阻抗值、網絡連通狀況或者是線路上的實際功率潮流作為圖模型中邊的權重。3.根據權利要求1所述的方法，其特征在于，步驟2)的分區過程中，頂點之間的距離以步驟I)中所設定的邊的權重為準，并采用基于圖模型的L-bounded分區算法、K均值算...

【專利技術屬性】
技術研發人員：劉烴，王岱，顧運，桂宇虹，管曉宏，
申請(專利權)人：西安交通大學，
類型：發明
國別省市：