• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    面向智能電網(wǎng)的PCA 近似法錯誤數(shù)據(jù)注入攻擊

    2021-03-22 09:12:00褚云龍謝麗榮張小東劉鵬飛
    關(guān)鍵詞:狀態(tài)變量高斯方差

    褚云龍 謝麗榮 張小東 任 景 劉鵬飛

    (1.國家電網(wǎng)公司西北分 西安 710048)(2.國網(wǎng)南京南瑞集團(tuán)公司(國網(wǎng)電力科學(xué)研究院) 南京 211106)(3.國電南瑞科技股份有限公司 南京 211106)(4.智能電網(wǎng)保護(hù)和運(yùn)行控制國家重點(diǎn)實(shí)驗(yàn)室 南京 211106)

    1 引言

    智能電網(wǎng)可以顯著提高電網(wǎng)的效率和可靠性[1],其作為相互連接的配電網(wǎng),可以通過雙向通信和電力流動來簡化電力傳輸、分配、監(jiān)控和控制[2~4]。智能電網(wǎng)安全包括對通信網(wǎng)絡(luò)和配電網(wǎng)的保護(hù),這是由于這兩個系統(tǒng)需要確保訪問的可用性以及在威脅下的穩(wěn)定性[5~6]。如果網(wǎng)絡(luò)狀態(tài)信息被惡意篡改,網(wǎng)絡(luò)可能會因物理損壞而造成區(qū)域供電不穩(wěn)定[7]。因此,狀態(tài)估計(jì)是建立能源管理中心電網(wǎng)實(shí)時模型的關(guān)鍵功能。

    為了確保狀態(tài)估計(jì)的完整性,目前的電網(wǎng)系統(tǒng)采用了壞數(shù)據(jù)檢測(BDD)來過濾由設(shè)備故障或惡意攻擊引起的錯誤測量數(shù)據(jù)[8]。電力系統(tǒng)可使用BDD系統(tǒng)來檢測由設(shè)備故障、遙測故障和通信噪聲引起的隨機(jī)誤差。隨著配電網(wǎng)結(jié)構(gòu)變得越來越復(fù)雜,通過綜合通信網(wǎng)絡(luò)攻擊電力系統(tǒng)的方式也越來越多。利用配電網(wǎng)拓?fù)涞难趴杀龋↗acobian)矩陣生成的攻擊可以輕松地繞過BDD 系統(tǒng)[9]。然而由于系統(tǒng)中可能出現(xiàn)新的漏洞,因此BDD 系統(tǒng)可能無法徹底保護(hù)系統(tǒng)。

    本文在介紹智能電網(wǎng)系統(tǒng)模型,狀態(tài)估計(jì)和BDD的基礎(chǔ)上,分析了傳統(tǒng)的錯誤數(shù)據(jù)注入攻擊的特點(diǎn),給出了PCA的基本原理和所提出的錯誤數(shù)據(jù)注入攻擊。利用累積分布函數(shù)(CDF)分析了BDD對所提注入攻擊的性能表現(xiàn)。最后通過仿真模擬驗(yàn)證了所提方法的有效性。

    2 系統(tǒng)建模

    2.1 系統(tǒng)模型

    本文考慮具有n+1 總線的電力系統(tǒng)。假設(shè)連接總線i 和總線j 的輸電線路中的電阻比其電抗小,那么從總線i 到總線j 的有功潮流模型可以表示為[10]

    其中,Vi和θi分別表示總線i 處的電壓幅值和相位角,Xij表示總線i 和總線j 之間的電抗??紤]到注入總線i 的有功功率Pi,能量守恒產(chǎn)生所有總線的能量:

    其中,Ai表示直接連接到總線i 的一組總線。 Pi表示電力負(fù)載。雖然式(1)是非線性的,但利用局部線性化模型的加權(quán)線性最小二乘估計(jì)的迭代來獲得狀態(tài)估計(jì)。因此,在系統(tǒng)運(yùn)行點(diǎn)附近,可使用局部線性化模型[11]來分析狀態(tài)估計(jì)。在直流潮流研究[12]中,通常假定相位角之差為θi-θj,在任意一對總線之間都很小,電壓幅度接近于1。因此,通過將式(1)中代入式(2),可得:

    2.2 狀態(tài)估計(jì)

    設(shè)xi≡θi表示相位角。狀態(tài)估計(jì)問題是估計(jì)系統(tǒng)狀態(tài)x=(x1,x2,…,xn)T,其中(?)T表示轉(zhuǎn)置操作,將一個總線當(dāng)作參考總線;因此,只需要估計(jì)n個相位角??刂浦行挠^察來自m 個有效功率流分支的測量的向量z=(z1,z2,…,zm)T,m ≥n。因此,測量通??擅枋鰹?/p>

    其中,P(?)表示測量z 與狀態(tài)x 之間的非線性關(guān)系,v=(v1,v2,…,vm)T~N(0m×1,Σv) 表示零均值為0m×1的高斯測量噪聲向量,其表示m×1 向量,包含所有零元素,且×表示乘法,協(xié)方差矩陣diag(?)表示對角矩陣,Im×m表示m×m 單位矩陣。在直流潮流模型中,使用Jacobian 矩陣或拓?fù)渚仃嚕?/p>

    式(4)的線性近似模型可以表示為

    其中,H 是m×n 矩陣。矩陣H 是一個滿秩矩陣,允許由z 估計(jì)x 。假設(shè)m ≥n,則rank(H)=n,根據(jù)式(6),可確定x 的最大似然估計(jì):

    2.3 BDD

    其中,Cov(r)=(Im×m-G)Σv(Im×m-G)T,Cov(r)為r的協(xié)方差矩陣,G=H(HTWH)-1HTW 為m×m 矩陣。閾值測試[13]可以用于檢測由于攻擊、傳感器故障和拓?fù)溴e誤導(dǎo)致的錯誤數(shù)據(jù),可以表示為

    其中,|·|表示量值、H0和H1分別表示沒有和有假數(shù)據(jù)注入的假設(shè),γ 是決定閾值,ri表示r 的元素。

    3 錯誤數(shù)據(jù)注入攻擊

    在對Jacobian 矩陣了解的情況下,攻擊者可以注入一個向量a,使新的測量結(jié)果za=z+a,其中a 和za是m×1 向量,偽裝成原始測量結(jié)果z=Hx+v 可以實(shí)現(xiàn)攻擊:

    其中,c=(c1,c2,…,cn)T是一個任意n×1 的非零向量。則產(chǎn)生的殘差為

    3.1 PCA基本原理

    PCA作為一種有效地?cái)?shù)據(jù)統(tǒng)計(jì)分析的方法,通過減少給定的未標(biāo)記高維數(shù)據(jù)集的維數(shù),同時盡可能保持其空間特征[14]?;谠紨?shù)據(jù)集(或隨機(jī)向量)z 及其實(shí)現(xiàn)(或觀測向量)zi,i=1,2,…,d ,其中d 表示觀測向量的數(shù)量,zi是m×1 向量。 z 的樣本平均向量為PCA 的目標(biāo)是找到 一 個單位向量,即 投 影的四分之一和這個方向性最大值。讓數(shù)據(jù)集z"=z-μz,其平均向量μz"=0m×1。設(shè)Z"m×d=(z"1,z"2,…,z"d),Z"的每列到的投影可以寫為

    在不失一般性的前提下,可以將ΣZ"的特征值按降序排列:

    PCA 操作的步驟:1)得到數(shù)據(jù)集z 的樣本平均向量μz。2)根據(jù)ΣZ"=ΣZ,計(jì)算樣本協(xié)方差矩陣ΣZ。3)求ΣZ的特征值,按降序排列(λ1,λ2,…,λm)和特征向量。4)計(jì)算可用于將z 轉(zhuǎn)換為?的變換矩陣:

    3.2 利用PCA對矩陣推導(dǎo)

    本文研究了配電網(wǎng)拓?fù)湮粗闆r下的錯誤數(shù)據(jù)注入攻擊問題,并從線路測量的相關(guān)性中進(jìn)行了推理。PCA 使用正交變換將一組可能相關(guān)變量z的觀測值轉(zhuǎn)換為一組線性不相關(guān)變量x?,即主成分。因此,式(19)可以寫成:

    特征向量構(gòu)成了一個正交基,PCA算法使主成分的方差最大化來減小數(shù)據(jù)集的維數(shù),這表明第一主成分具有最大的特征值λ1。?的樣本方差可以表示為

    其中,式(15)的第三個等式成立,則第一個主成分有最大的方差,第二個主成分有第二大方差,以此類推。

    一般情況下,第i 個主成分可以表示為

    通過PCA 的主成分的個數(shù)可以小于原始變量的個數(shù)。在智能電網(wǎng)中,由于Jacobian 矩陣的維數(shù)限制,本文使用狀態(tài)變量n 作為主分量的個數(shù)。因此,去掉那些非主分量,表示n <i ≤m,具有小的方差或ΣZ的特征值,根據(jù)式(20),z可近似為

    其中,Px=H+HPCA是n×n 投影矩陣的主要組件xPCA到原始狀態(tài)變量x,H+是n×m 矩陣,其偽逆表示H 。 x ≈PxxPCA≠xPCA。 x 、xPCA和z 之間的關(guān)系可以用圖1中的向量投影來描述。

    圖1 x、xPCA 和z 之間的關(guān)系

    3.3 錯誤隱形攻擊

    本文忽略測量噪聲,測量值可以表示為

    比較式(23)和式(25),則PCA矩陣為

    這表明HPCA可以近似地表示為原始拓?fù)渚仃嘓 和Px的乘積。本文基于HPCA提出了攻擊方案,使用m×1攻擊向量為

    其中,c 是任意n×1非零向量,當(dāng)PCA矩陣HPCA可以近似地寫成原始Jacobian 矩陣和另一個矩陣(如PPCA)的乘積:HPCA≈HPx。

    由于用于符合原始Jacobian 矩陣H 的維數(shù)減少,則PCA矩陣HPCA只是P?的近似值。

    4 性能分析

    式(9)的漸近累積分布函數(shù)(cdf)為

    其具有的類型函數(shù)為

    其中,F(xiàn)rmax(γ)=P(rmax≤γ)表示rmax的cdf,P(?)表示概率,e(?)表示指數(shù)函數(shù),α 和β 是cdf 的參數(shù)。如果rmax的統(tǒng)計(jì)樣本可用,則可以估計(jì)這些參數(shù),使分布的理論均值和方差與樣本均值和樣本方差相匹配。為了使用這種參數(shù)估計(jì)的矩匹配方法,需要將參數(shù)的平均μ 和方差σ2表示為

    根據(jù)μ 和σ2可以確定α 和β。如果v 的概率密度作為指數(shù)函數(shù)在上尾衰減,則上述cdf 的殘差極值可以用于v 的其他未知分布。|ri|的瑞利分布的上尾實(shí)際上作為指數(shù)函數(shù)衰減。最后,基于cdf的漏檢概率Pmiss≡P(maxi|ri|<γ|H1|)可以表示為

    其中,P(?|H1) 表示以H1為條件的隨機(jī)變量的概率。

    5 實(shí)驗(yàn)分析

    本文使用不同的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行Monte Car?lo模擬以評估所提出的攻擊性能,這些拓?fù)浣Y(jié)構(gòu)使用MATPOWER[15]得到。測量包括所有總線的功率注入測量和所有分支的功率流。首先,仿真結(jié)果在IEEE 14 總線的配電網(wǎng)模型[16]上進(jìn)行,如圖2 所示。IEEE 14總線模型中有54個測量值。

    圖2 IEEE 14配電網(wǎng)模型

    信噪比為10dB。對于傳統(tǒng)的錯誤數(shù)據(jù)注入攻擊,狀態(tài)向量為xa=x+c,其中c 的元素由方差為的高斯隨機(jī)變量隨機(jī)生成。在這種情況下,信噪比定義為,其中,和分別表示xa和x 的方差,則3dB,即假設(shè)注入向量產(chǎn)生的狀態(tài)向量的方差比比原始測量數(shù)據(jù)產(chǎn)生的狀態(tài)向量方差高3dB。對于其他攻擊,同樣定義了信噪比。如果沒有錯誤數(shù)據(jù),則因此,信噪比IEEE14 總線考慮三種狀態(tài)變量分布:1)均為非高斯分布;2)均為高斯分布;3)高斯和非高斯混合分布。

    圖3給出了在均勻狀態(tài)變量條件下IEEE 14總線配電網(wǎng)模型中漏檢概率Pmiss與無攻擊測量的決策閾值γ(理想)、具有Jacobian矩陣(完美)、隨機(jī)攻擊(隨機(jī))的常規(guī)攻擊以及使用PCA 近似法(PCA-Sim)提出的攻擊。

    圖3 在均勻狀態(tài)變量條件下漏檢概率與決策閾值的關(guān)系

    不考慮Jacobian 矩陣具有最低的Pmiss的隨機(jī)攻擊,完美攻擊的性能與理想狀態(tài)的性能是一致的,因此,完美攻擊是一種隱蔽的攻擊。另外,所提出的PCA 攻擊的性能可以通過對Jacobian 矩陣來接近理想條件和完美攻擊的性能,并且比隨機(jī)攻擊的性能要好得多。此外,理論計(jì)算結(jié)果(PCA-Ana)與該方法的仿真結(jié)果也較好的匹配,進(jìn)一步證實(shí)了所提出的攻擊方法的優(yōu)越性。

    圖4 給出了在所有高斯?fàn)顟B(tài)變量條件下,IEEE14 總線配電網(wǎng)模型上理想、完美、隨機(jī)和所提出的PCA 攻擊的漏檢概率Pmiss和決策閾值γ ,而圖5 中的狀態(tài)變量混合了50%高斯和50%非高斯隨機(jī)變量。所提出的PCA 攻擊對狀態(tài)變量的各種分布具有穩(wěn)定性,并且其性能仍然可以接近理想狀態(tài)和完美攻擊的性能。

    綜合圖3~圖5所示,所提出的PCA攻擊的性能只受狀態(tài)變量分布的輕微影響。

    圖4 在所有高斯?fàn)顟B(tài)變量條件下漏檢概率與決策閾值的關(guān)系

    圖5 在混合50%高斯和50%非高斯?fàn)顟B(tài)變量條件下漏檢概率與決策閾值的關(guān)系

    6 結(jié)語

    本文在Jacobian 矩陣和狀態(tài)變量分布假設(shè)未知的情況下,采用主成分分析(PCA)近似法研究了錯誤數(shù)據(jù)注入攻擊問題,并從線路測量的相關(guān)性中對Jacobian矩陣進(jìn)行推導(dǎo),利用累積分布函數(shù)(cdf)分析了所提方法的性能。通過仿真模擬驗(yàn)證了所提方法的有效性,該方法可為防止電網(wǎng)被錯誤數(shù)據(jù)入侵開辟了潛在研究方向。

    猜你喜歡
    狀態(tài)變量高斯方差
    小高斯的大發(fā)現(xiàn)
    一階動態(tài)電路零狀態(tài)響應(yīng)公式的通用拓展
    方差怎么算
    基于TwinCAT3控制系統(tǒng)的YB518型小盒透明紙包裝機(jī)運(yùn)行速度的控制分析
    概率與統(tǒng)計(jì)(2)——離散型隨機(jī)變量的期望與方差
    基于嵌套思路的飽和孔隙-裂隙介質(zhì)本構(gòu)理論
    天才數(shù)學(xué)家——高斯
    計(jì)算方差用哪個公式
    方差生活秀
    Recent Development and Emerged Technologies of High-Tc Superconducting Coated Conductors
    吴江市| 克拉玛依市| 普宁市| 城口县| 隆林| 庆云县| 嘉峪关市| 齐齐哈尔市| 金寨县| 连城县| 准格尔旗| 天峻县| 奈曼旗| 阳信县| 治多县| 凤庆县| 玉树县| 德令哈市| 荔浦县| 临澧县| 吉林市| 彝良县| 班戈县| 扶风县| 什邡市| 大新县| 泰顺县| 雷州市| 威宁| 美姑县| 闻喜县| 河津市| 绥棱县| 宜丰县| 双柏县| 东港市| 神农架林区| 龙门县| 鸡泽县| 汝南县| 莒南县|