数据驱动算法的电力信息物理系统FDIA定位检测

席磊; 彭典名; 曹伟; 陈洪军; 白芳岩; 王文卓

doi:10.13334/j.0258-8013.pcsee.240412

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

数据驱动算法的电力信息物理系统FDIA定位检测

电力系统 | 更新时间：2026-10-12

- 数据驱动算法的电力信息物理系统FDIA定位检测
- FDIA Location Detection for Data-driven Algorithms in Cyber-physical Power Systems
- 中国电机工程学报 2025年45卷第18期页码：7110-7122
- 作者机构：
  
  1. 梯级水电站运行与控制湖北省重点实验室(三峡大学电气与新能源学院),湖北省,宜昌市,443002
  2. 阳光电源股份有限公司,安徽省,合肥市,230088
- 作者简介：
- 基金信息：
- DOI：10.13334/j.0258-8013.pcsee.240412
  中图分类号：
- 纸质出版：2025
- 稿件说明：
移动端阅览
席磊, 彭典名, 曹伟, 等. 数据驱动算法的电力信息物理系统FDIA定位检测[J]. 中国电机工程学报, 2025,45(18):7110-7122.

XI Lei, PENG Dianming, CAO Wei, et al. FDIA Location Detection for Data-driven Algorithms in Cyber-physical Power Systems[J]. 2025, 45(18): 7110-7122.
席磊, 彭典名, 曹伟, 等. 数据驱动算法的电力信息物理系统FDIA定位检测[J]. 中国电机工程学报, 2025,45(18):7110-7122. DOI： 10.13334/j.0258-8013.pcsee.240412.

XI Lei, PENG Dianming, CAO Wei, et al. FDIA Location Detection for Data-driven Algorithms in Cyber-physical Power Systems[J]. 2025, 45(18): 7110-7122. DOI： 10.13334/j.0258-8013.pcsee.240412.

摘要

虚假数据注入攻击严重威胁电力信息物理系统的安全。针对传统攻击检测方法无法高精度识别攻击并快速定位受攻击节点的问题，该文提出一种数据驱动算法的电力信息物理系统虚假数据注入攻击定位检测方法。首先，将核极限学习机与自编码器结合为多层核极限学习机，逐层学习电力量测数据。然后，利用融合Tent映射和黄金正弦策略的哈里斯鹰算法为多层核极限学习机的参数寻优，提升寻优速度和收敛精度。最后，在IEEE-14和IEEE-118节点系统对所提算法进行仿真验证。结果表明，与其他算法相比，所提算法具有更优的检测速度、准确率、精确率、召回率和F1值，可快速精准定位受攻击节点。

Abstract

False data injection attacks (FDIA) seriously threaten the security of cyber-physical power systems (CPPS). For the problem that the traditional detection methods are unable to identify attacks accurately and locate the attacked buses quickly

a FDIA localization method is proposed based on data-driven algorithms in CPPS. Firstly

the kernel extreme learning machine is combined with the autoencoder to form a multi-layer kernel extreme learning machine

which learns the power measurement data layer by layer. Then

the Harris hawk optimization

which incorporates the tent mapping and golden sine strategy

is utilized to optimize the parameters of the multi-layer kernel extreme learning machine

in order to improve the optimization speed and convergence accuracy. Finally

the proposed algorithm is verified by simulation in IEEE-14 and IEEE-118 bus test systems. The results show that the proposed algorithm has better detection speed

accuracy

precision

recall

and F1-Sorce compared to other algorithms

and can locate the attacked buses quickly and accurately.

关键词

Keywords

references

浏览量

554

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自适应差分进化-模糊宽度学习系统的FDIA定位检测方法

不完全信息下计及残差污染的虚假数据注入攻击新模式

计及跨域连锁故障的电力信息物理系统N-k协同故障场景筛选双层优化模型

考虑FDIA的电力线通信赋能智慧园区时间同步方法

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