基于PINN的智能电网虚假数据攻击检测研究

王新宇; 罗小元; 朱鸣皋; 张浩

doi:10.16543/j.2095-641x.electric.power.ict.2025.12.12

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于PINN的智能电网虚假数据攻击检测研究

更新时间：2026-10-17

- 基于PINN的智能电网虚假数据攻击检测研究
- Vol. 23, Issue 12, Pages: 122-129(2025)
- 作者机构：
  
  1. 燕山大学电气工程学院
  2. 阜阳师范大学物理与电子工程学院
  3. 国网冀北电力有限公司
- 作者简介：
- 基金信息：
- DOI：10.16543/j.2095-641x.electric.power.ict.2025.12.12
  CLC： TM76
- Published：2025
- 稿件说明：
移动端阅览
王新宇, 罗小元, 朱鸣皋, et al. 基于PINN的智能电网虚假数据攻击检测研究[J]. 2025, 23(12): 122-129.
DOI：

王新宇, 罗小元, 朱鸣皋, et al. 基于PINN的智能电网虚假数据攻击检测研究[J]. 2025, 23(12): 122-129. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.12.12.

摘要

为检测智能电网中隐蔽的虚假数据注入攻击(false data injection attack

FDIA)，文章提出一种基于物理信息神经网络(physics-informed neural network

PINN)的FDIA检测方法。该方法融合数据驱动能力与物理模型约束，旨在突破传统单一依赖数据或模型方法的局限。即通过将电网运行的物理规律(交流潮流方程)作为软约束嵌入神经网络训练过程，构建物理与数据双驱动的复合损失函数，使PINN模型不仅学习历史数据的统计特征，还能从物理一致性角度判别异常。这一机制增强了对不遵循物理规律的隐蔽攻击的敏感性，有效提升了模型在未知攻击模式下的泛化能力与检测可靠性。基于IEEE 14总线系统的仿真实验表明，与时域卷积网络(temporal convolutional network

TCN)、图卷积网络(graph convolutional network

GCN)及GCN-LSTM等传统数据驱动方法相比，所提PINN模型在准确率、精确率、召回率和F1-Score 4项指标上分别提升了1.16%、1.15%、3.99%和3.07%，验证了其优越性能。

Abstract

关键词

Keywords

references

Kunpeng Pan,Feisheng Yang,Yang Lyu,Zheng Tan,Quan Pan.Observer based attack detection and security control for UAVs against attacks on desired trajectory[J].Journal of the Franklin Institute,2024.

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

Haibo He,Jun Yan.Cyber-physical attacks and defences in the smart grid: a survey[J].IET Cyber-Physical Systems: Theory & Applications,2016.

舒印彪,汤涌,张正陵,张风营,仲悟之,施浩波,王国政,陈长胜,顾卓远.欧洲伊比利亚半岛电网“4·28”大停电事故分析及启示[J].中国电机工程学报,2025(17).

朱介北,胡家兵.新型电力系统构网控制性能评估与提升[J].全球能源互联网,2025(04).

荣俊兴,李柔霏,杨冉昕,冷小洁,赵慧群,马汉斌.基于随机矩阵的电网虚假数据注入攻击策略[J].计算机应用与软件,2025(07).

王新宇,张明月.基于改进PSO优化RBF神经网络的新型电力系统虚假数据攻击检测研究[J].山东电力技术,2025(05).

席磊,王艺晓,熊雅慧,董璐.基于改进深度极限学习机的电网虚假数据注入攻击定位检测[J].发电技术,2025(03).

高芷蓉,杨杉,喻希,罗朝旭.基于CNN-BiLSTM-Attention的电力系统虚假数据注入攻击检测[J].智慧电力,2025(04).

李子凯,杨波,周忠堂,李新,陈凤伟,焦润海.考虑高比例风电波动的多注意力TCN电价预测方法[J].电测与仪表,2025(03).

郑外生,饶宏.新型电力系统柔性构网技术及其应用[J].电力系统自动化,2025(12).

Xinyu Wang,Xiangjie Wang,Xiaoyuan Luo,Xinping Guan,Shuzheng Wang.Novel cyber-physical collaborative detection and localization method against dynamic load altering attacks in smart energy grids[J].Global Energy Interconnection,2024(03).

席磊,程琛,田习龙.基于改进卷积神经网络的电网虚假数据注入攻击定位方法[J].南方电网技术,2025(01).

陶磊,罗萍萍,林济铿.基于深度学习的直流微电网虚假数据注入攻击二阶段检测方法[J].中国电力,2024(09).

高强,杜子钰,吉月辉,刘俊杰.拒绝服务攻击下互联多区域电网系统的弹性负载频率控制[J].电力建设,2023(04).

张明月,王新宇.基于残差观测器的智能电网虚假数据攻击检测研究[J].电气工程学报,2023(01).

魏利胜,张倩.基于改进的UKF智能电网虚假数据攻击检测[J].系统仿真学报,2023(07).

王竞才,李琰,徐天奇.基于扩展卡尔曼滤波的智能电网虚假数据检测[J].智慧电力,2022(03).

刘鑫蕊,常鹏,孙秋野.基于XGBoost和无迹卡尔曼滤波自适应混合预测的电网虚假数据注入攻击检测[J].中国电机工程学报,2021(16).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

智能电网虚假数据攻击的非线性稀疏建模研究

基于磁电耦合原理的异型双端弯曲结构特征电流传感器

基于wk-GDNN模型的虚假数据注入攻击检测研究

面向光伏现场大带宽业务差异化接入的资源分配策略

基于PUF和RedCap的电力5G轻量化二次鉴权终端设计与实现

Related Author

何耀

张维锡

粟秋成

周聪

李发均

邵秋雨

梁先锋

刘洋

Related Institution

国网巴中供电公司

中国电力科学研究院有限公司

西安交通大学精密微纳制造技术全国重点实验室

西安交通大学电子陶瓷与器件教育部重点实验室

国网江苏省电力有限公司南京供电分公司

AI问答

⁰