抵抗虚假数据注入攻击的综合能源系统弹性提升策略OA

【目的】网络的开放性导致综合能源系统易受网络攻击,研究综合能源系统(integrated energy system,IES)遭受虚假数据注入攻击(false data injection attack,FDIA)后的弹性提升问题。【方法】构造系统遭受到FDIA后的弹性提升框架,建立考虑安全性及经济性的系统弹性评估方法。在分析能量流与信息流攻击机理的基础上,提出基于连续小波变换(continuous wavelet transform,CWT)和卷积神经网络(convolutional neural network,CNN)的能量流FDIA检测方法,以及基于CWT和广义回归神经网络模型(general regression neural network,GRNN)的信息流FDIA检测方法。进一步分析FDIA对系统调度造成的影响,建立优化调度模型,提升系统受到网络攻击后的弹性。【结果】含CWT+GRNN检测模型的综合能源系统弹性提升策略比不含检测模型的提升策略更具优越性,安全可靠性高出22.79%,运行经济性高出12.89%,弹性提升水平高出19.82%。含检测模型的综合能源系统弹性提升策略接近于不受网络攻击运行时的水平。【结论】基于CWT+GRNN检测模型的综合能源系统弹性提升策略在系统受FDIA后能够明显提升系统弹性,使系统性能接近于正常运行时的水平。