论文部分内容阅读
智能电网是建立在集成的、高速双向通信网络的基础上,通过先进的传感和测量技术、设备技术、控制方法以及决策支持系统的应用,实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标。高级量测体系(AMI)作为智能电网的核心部件,在智能电表和数据处理中心系统之间提供双向通信。由于与计算机网络互连,容易遭受到网络攻击,针对AMI的攻击威胁越来越多。除了可能遭受针对一般计算机网络的攻击外,它还有自身的弱点,比如电力设备终端有限的计算能力和潜在的部署成本等,这些因素都限制了传统入侵检测方法在高级量测体系中的应用。由于AMI系统的双重特性,即处在传统的电力网络和计算机网络相结合的环境下。攻击者会利用这些弱点对智能电网系统发动攻击。因此首先对高级量测体系(AMI)进行安全性分析,然后针对AMI的网络特点建立基于机器学习算法的入侵检测模型,实现了针对AMI的入侵检测。具体工作如下：(1)研究了AMI系统的组成结构并对AMI系统安全性进行分析,并构建AMI的通信模拟图,对每一层次的网络可能遭受的主要攻击类型进行分析。提出针对高级量测体系基于支持向量机(SVM)入侵检测模型。(2)针对SVM算法当训练样本过大时复杂度过高的问题,提出了一种基于ELM的AMI入侵检测方法,利用ELM只需要设置网络的单隐层节点个数,在算法执行过程中不需要调整网络的输入权值以及隐元的偏置的特点,实现了AMI的快速入侵检测。实验结果表明,基于ELM的智能电网AMI入侵检测方法利用了ELM学习速度快且泛化性能好的优点,在检测精度上高于SVM,降低了检测时间,具有较好的检测性能。(3)考虑到ELM算法会把新旧数据放在一起重新训练,耗时过长的缺点,提出了利用OS-ELM来改进传统ELM,在该算法中,数据可以逐个或逐块地添加到网络中,进一步提高了训练效率。在保证检测精度的前提下,在训练时间上要优于ELM。