摘要：智能录波器在电力继电保护系统实时监测中应用广泛,传统基于规则的防御方法不能够满足电网系统日益增长的防御需求,针对这一问题,提出一种基于深度学习的智能录波器远程运维入侵检测方法。实验结果表明,基于神经网络的智能录波器远程运维入侵检测方法可以高效、准确地完成针对智能录波器远程运维的入侵检测,保障其远程运维的安全性和可靠性。

摘要：实现电网操作的全过程自动化需要构建比较全面的电力调度操作领域的通用知识模型。以电力调度操作的机器智能为目标,综合应用层次化的一阶谓词逻辑规则库和知识本体两种知识表达方式,设计了具有良好扩展性的智能操作知识模型(intelligent operation knowledge model,IOKM)。将IOKM划分为元素知识、本体知识和推理知识三层架构,针对调度管理特点,充实了调度任务本体、拓扑本体和检修计划本体的描述属性和结构。为了更有效地将本体模型实例化并与基于对象描述的规则结合运用于操作实例,提出了事实库动态构建方法。针对具有时序约束的操作序列生成和合序任务,设计了可拓展且简明的操作规则优先级序列表达方式。以实际电网调度检修计划单为例,展示了知识模型的构建和运用流程,验证了模型的性能。

摘要：现有数据实时监测系统仅对疑似虚假数据进行分析,导致监测结果不精准,为解决该问题,设计了基于半监督的电网虚假数据实时监测系统。利用RV-2000视频监控终端作为远程监控端的数据监控装置,使用计算机显示屏将假数据监控的结果显示出来,通过1604HS数据采集卡扩展了数据采集的功能。通过终端对电子元件的连接,改善了外部设备与系统卡头的连接复杂性。构造了基于半监督学习的模型,通过迭代学习和训练得到正常数据和可疑假数据,设计了基于半监督虚假数据检测流程,确定时间轴上的假数据检测矢量,计算出异常检测的决策统计结果。由实验结果可知,该系统监测的数据量与实际虚假数据量最大误差为2×104bit,最高监测效率为0.96,具有精准的监测结果。

摘要：针对电力调度系统入侵检测手段静态、单一,无法在时间维度上有效关联及检测结果准确率不高的问题,提出基于行为分析的电力调度系统入侵检测方法。采用Filebeat工具进行调度日志采集;对日志进行结构化解析,将日志分解为事件模板和参数序列;结合电力调度系统任务相对固定、行为相对关联的特点,构建基于LSTM的智能检测模型,对异常行为进行检测。实验结果表明,该文方法的入侵检测准确率达到95%以上,F1-Score达到96%以上,解决了电力调度系统入侵检测在时间维度上无法有效关联的问题,提高了检测结果的准确率。