摘要：随着先进的传感、计算机、数字化、信息化等技术在船舶上的广泛应用,使船舶电力系统运行更加高效和智能化,但也增加了船舶电网的复杂性和开放性,使其存在许多潜在的虚假数据注入攻击(false data injection attack, FDIA),严重威胁船舶电网安全。为解决船舶电力系统易遭遇FDIA的问题,设计一种基于噪声动态估计卡尔曼滤波的检测残差法,运用上述方法检测FDIA。先建立船舶电网的三相电压状态空间模型,分析船舶电网系统遭受FDIA模型;进一步引入噪声在线估计,指数加权和动态滤波异常判据对基本无迹卡尔曼滤波器进行改进,并运用基于改进型卡尔曼滤波的检测残差法来检测FDIA的存在。通过Matlab对比实验得出,提出的方法具备良好的检测能力和优越的检测效果。

摘要：作为典型的信息物理攻击,虚假数据可以实现测量输出无变化,从而欺骗基于卡方检测器的检测。为此,提出一种基于改进自适应免疫遗传算法的智能电网虚假数据攻击检测方法。首先,建立三相电压测量电网模型,分析虚假数据攻击的隐蔽特性。然后,利用抗体之间的相似度指数建立异常数据检测器,对入侵的虚假数据进行检测。此外,通过引入选择、交叉、变异算子的自适应设计,提高免疫遗传算法的收敛速度和全局寻优能力,从而改善攻击检测的性能指标。最后,通过仿真实验分析所提检测方法对虚假数据攻击的检测率和误检率,结果验证了该方法的有效性。

摘要：信息物理系统的深度融合实现了智能电网系统的高效运行,但也使其面临潜在的信息物理攻击安全威胁。攻击者通过注入虚假数据可以实现测量输出无变化,进而欺骗传统基于Kalman的卡方检测方法。考虑虚假数据攻击对系统内部状态变化的影响,提出了基于内部状态变化的神经网络观测器虚假数据攻击检测方法。基于建立的智能电网物理动态模型,分析了虚假数据攻击的隐蔽特性。进而考虑虚假数据攻击对系统内部状态变化的影响,提出基于神经网络观测器的状态残差检测方法。此外,考虑扰动对检测阈值的影响,设计自适应阈值替代传统的经验阈值从而缩短虚假数据攻击检测时间。最后,在IEEE三电机六总线验证了所提基于神经网络观测器的状态残差攻击检测方法的优越性。

摘要：虚假数据攻击能绕过电力系统的监测与防御,影响系统状态估计的结果,使调度中心获得错误的系统运行状态继而危害系统安全。传统虚假数据攻击是基于直流潮流模型而设计的,具有一定的局限性。文章针对攻击的范围,分别构建了非线性稀疏的虚假数据注入全局攻击模型和局部攻击模型,所提稀疏攻击模型以智能电网为攻击对象,以最小化篡改测量电表的改变量为目标函数,以出现线路过载及节点功率平衡为约束条件;所提攻击模型得到的攻击向量不仅满足节点功率平衡约束、能够巧妙躲过传统系统状态估计的检测,且由于线路过载会使电网陷入危险运行状态,从而可能引起保护误动,造成大停电事故。所提出的非线性稀疏攻击模型的有效性在IEEE标准节点模型上得到了验证。