基于改进卷积神经网络的电网假数据注入攻击检测方法

假数据注入攻击可以篡改由数据采集与监控(SCADA)系统采集到的量测信息，影响电网的重要决策，从而对电网状态估计造成安全威胁。针对智能电网状态估计，研究了交流模型下假数据注入攻击的原理，构建了基于改进卷积神经网络(CNN)的假数据注入攻击检测模型。将门控循环单元(GRU)结构加入CNN中的全连接层之前构建CNN-GRU混合神经网络，根据电网历史量测数据进行训练并更新网络参数，提取数据的空间和时间特征，并根据提出的模型设计实现了高效实时的假数据注入攻击检测器。最后，在IEEE 14节点和IEEE 118节点测试系统中，与基于传统CNN、循环神经网络及深度信念网络的检测方法分别进行了大量对比实验，验证了所提方法的有效性