基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测

黄冬梅; 杨旭; 胡安铎; 卞正兰; 孙园; 孙锦中

doi:10.13335/j.1000-3673.pst.2024.1143

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测

更新时间：2025-12-03

- 基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测
- Vol. 49, Issue 5, Pages: 2119-2127(2025)
- 作者机构：
  
  1. 上海电力大学电子与信息工程学院
  2. 上海电力大学电气工程学院
  3. 上海电力大学数理学院
- 作者简介：
- 基金信息：
- DOI：10.13335/j.1000-3673.pst.2024.1143
  CLC： TM73;TP393.08
- Published：2025
- 稿件说明：
移动端阅览
黄冬梅, 杨旭, 胡安铎, et al. 基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测[J]. 2025, 49(5): 2119-2127.
DOI：

黄冬梅, 杨旭, 胡安铎, et al. 基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测[J]. 2025, 49(5): 2119-2127. DOI： 10.13335/j.1000-3673.pst.2024.1143.

摘要

虚假数据注入攻击(false data injection attack

FDIA)通过篡改电网量测信息，威胁电力系统安全。针对新型电力系统FDIA，研究了攻击原理，提出了基于CNN-BiGRU-XGBoost的检测方法。该方法使用卷积神经网络(convolutional neural networks

CNN)与双向门控循环单元(bidirectional gated recurrent unit

BiGRU)提取时空特征，利用极限梯度提升树(eXtreme gradient boosting

XGBoost)进行分类，并引入多头注意力(multi-head attention)与Optuna方法优化模型性能。在IEEE-14节点与39节点系统中进行仿真实验，结果表明该文方法拥有比常见方法更好的精度与平衡性，验证了所提方法的有效性与鲁棒性。

Abstract

关键词

Keywords

references

Chen Bairen,Wu Q. H.,Li Mengshi,Xiahou Kaishun.Detection of false data injection attacks on power systems using graph edge-conditioned convolutional networks[J].Protection and Control of Modern Power Systems,2023.

Li Xueping,Wang Yaokun,Lu Zhigang.Graph-based detection for false data injection attacks in power grid[J].Energy,2023.

Wang Huaizhi,Ruan Jiaqi,Wang Guibin,Zhou Bin,Liu Yitao,Fu Xueqian,Peng Jianchun.Deep Learning-Based Interval State Estimation of AC Smart Grids Against Sparse Cyber Attacks[J].IEEE Transactions on Industrial Informatics,2018.

Yu James J. Q.,Hou Yunhe,Li Victor O. K..Online False Data Injection Attack Detection With Wavelet Transform and Deep Neural Networks[J].IEEE Transactions on Industrial Informatics,2018.

Zhang Zhengdao,Wang Yunfei,Xie Linbo.A Novel Data Integrity Attack Detection Algorithm Based on Improved Grey Relational Analysis[J].IEEE Access,2018.

Ozay Mete,Esnaola Inaki,Yarman Vural Fatos Tunay,Kulkarni Sanjeev R,Poor H Vincent.Machine Learning Methods for Attack Detection in the Smart Grid.[J].IEEE transactions on neural networks and learning systems,2016.

Shang Li,Yasin Yilmaz,Xiaodong Wang 0001.Quickest Detection of False Data Injection Attack in Wide-Area Smart Grids.[J].IEEE Trans. Smart Grid,2015.

Bi, S.,Zhang, Y.J..Graphical Methods for Defense Against False-Data Injection Attacks on Power System State Estimation[J].IEEE transactions on smart grid,2014.

Yao Liu,Peng Ning,Michael K. Reiter.False data injection attacks against state estimation in electric power grids[J].ACM Transactions on Information and System Security (TISSEC),2011.

黄冬梅,王一帆,胡安铎,周游,时帅,胡伟.融合无监督和有监督学习的虚假数据注入攻击检测[J].电力工程技术,2024(02).

张佳伟,张江南,吴坡,王义,宋彦楼.基于融合容积卡尔曼滤波的直流微电网虚假数据检测[J].智慧电力,2024(03).

席磊,王艺晓,何苗,程琛,田习龙.基于反向鲸鱼-多隐层极限学习机的电网FDIA检测[J].中国电力,2024(09).

杨挺,许哲铭,赵英杰,翟峰.数字化新型电力系统攻击与防御方法研究综述[J].电力系统自动化,2024(06).

林峰,梅勇,朱益华,常东旭,刘韧,郭恒道.网络攻击对电力系统典型场景全过程影响综述[J].南方电网技术,2023(11).

谢盈,曾竹,胡巍,丁旭阳.一种虚假数据注入攻击检测与补偿方法[J].信息网络安全,2023(06).

郑瑶,张颉,姚文轩,邱伟,唐思豪.基于空间特征的电网同步量测虚假数据注入攻击检测[J].电力系统自动化,2023(10).

黄冬梅,丁仲辉,胡安铎,王晓亮,时帅.低成本对抗性隐蔽虚假数据注入攻击及其检测方法[J].电网技术,2023(04).

董运昌,王启明,曹杰,杨渊博,余通,薄小永.基于过采样和级联机器学习的电网虚假数据注入攻击识别[J].电力系统自动化,2023(08).

席磊,何苗,周博奇,李彦营.基于改进多隐层极限学习机的电网虚假数据注入攻击检测[J].自动化学报,2023(04).

张智刚,康重庆.碳中和目标下构建新型电力系统的挑战与展望[J].中国电机工程学报,2022(08).

吕顺利,丁杰,张海滨,梅德冬,侯宇.新型电力系统智慧物联感知技术标准体系研究及思考[J].电力信息与通信技术,2021(08).

黄冬梅,何立昂,孙锦中,胡安铎.基于边缘计算的电网假数据攻击分布式检测方法[J].电力系统保护与控制,2021(13).

李元诚,曾婧.基于改进卷积神经网络的电网假数据注入攻击检测方法[J].电力系统自动化,2019(20).

吴克河,王继业,李为,朱亚运.面向能源互联网的新一代电力系统运行模式研究[J].中国电机工程学报,2019(04).

Views

330

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

一种利用暂态电流时域突变特征的输电线路纵联保护方案

面向知识学习的电力科学大模型

基于残差生成对抗网络的电网虚假数据注入攻击防御方法

基于节点碳势响应的新型电力系统鲁棒优化调度

储能在新型电力系统电力电量平衡中的作用研究

Related Author

王柄然

王增平

王彤

吕哲

陆超

吴小辰

刘迪

席磊

Related Institution

新能源电力系统全国重点实验室(华北电力大学)

清华大学电机工程与应用电子技术系

中国南方电网有限责任公司

三峡大学电气与新能源学院

梯级水电站运行与控制湖北省重点实验室(三峡大学)

AI问答

⁰