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

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

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

电力系统 | 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
- 基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测
- 电网技术 2025年49卷第5期页码：2119-2127
- 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：
  
  国家自然科学基金资助项目(62205195)~~
- DOI：10.13335/j.1000-3673.pst.2024.1143
  中图分类号： TM73;TP393.08
- 纸质出版：2025
- 稿件说明：
移动端阅览
黄冬梅, 杨旭, 胡安铎, 等. 基于CNN-BiGRU-XGBoost的新型电力系统虚假数据注入攻击检测[J]. 电网技术, 2025,49(5):2119-2127.

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

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).

浏览量

330

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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