面向互动需求响应的虚假数据注入攻击及其检测方法

来源 :电力系统自动化 | 被引量 : 0次 | 上传用户:undercall
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在互动需求响应(IDR)框架下,对需求侧虚假数据注入(FDI)攻击的脆弱性进行分析,凝练了对用户能量管理系统(UEMS)的攻击过程.首先,采用主从博弈建立了针对IDR的FDI攻击模型,并证明其斯塔克伯格均衡存在且唯一.提出了一种基于分布式事件触发机制与机器学习的攻击检测方法,事件触发机制在UEMS中执行,系统检测在能量零售商(ER)中基于长短期记忆网络(LSTM)进行.最后,通过实例分析验证了所提方法的有效性.
其他文献
强化学习是一种促进智能体在与环境交互过程中通过学习策略达成回报最大化的人工智能方法.在不进行优化计算和不充分了解市场机制的情况下,该方法非常适合处理小规模用户电能
随着风机大规模投入运行,多维风电场之间风速的相关性会影响电力系统的稳定性.考虑相关性的概率潮流计算有助于合理地调控电力系统运行方式以及优化调度,从而提升系统的稳定
提出了一种基于变分模态分解(VMD)和双重注意力机制长短期记忆(LSTM)的短期光伏功率预测方法.针对光伏功率信号的波动性和非平稳性,利用VMD将光伏功率输出分解为不同频率的分