(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111365343.4 (22)申请日 2021.11.18 (65)同一申请的已公布的文献号 申请公布号 CN 113794742 A (43)申请公布日 2021.12.14 (73)专利权人 国网浙江浙电招标咨询有限公司 地址 310000 浙江省杭州市余杭区兴国路 503号5幢20 6室 专利权人 国网浙江省电力有限公司物资 分 公司 (72)发明人 张莹　顾晔　陈甜妹　徐天天　 岑雷扬　 (74)专利代理 机构 浙江千克知识产权代理有限 公司 33246 代理人 雷娴(51)Int.Cl. H04L 9/40(2022.01) G06K 9/62(2022.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) 审查员 朱华慧 (54)发明名称 一种电力系统FDIA高精度检测方法 (57)摘要 本发明公开了一种电力系统FDIA高精度检 测方法， 包括如下步骤： 获取电力系统的历史数 据包以及电力监测历史数据； 利用训练样本集对 GRU进行训练， 直至GRU的损失函数值低于损失函 数阈值， 以得到训练完成的GRU状态预测模型； 电 力系统接收数据包并检测到电力监测数据； 训练 完成的GRU状态预测模型得到电力系 统在tn+1时 刻接收的数据包的网络层特征预估值 以及电力 监测数据预估值； 电力系统实际接收数据包并实 际检测得到电力监测数据； GRU状态预测模型对 电力系统在tn+1时刻是否受到FDIA进行判断。 本 发明中利用历史数据包中的网络层特征和电力 监测历史数据对GRU进行训练， 训练完成的GRU状 态预测模型在针对电力系统是否受到FDIA的判 断准确性上提升 十分明显 。 权利要求书2页 说明书7页 附图1页 CN 113794742 B 2022.02.15 CN 113794742 B 1.一种电力系统FDIA高精度检测方法， 其特 征在于， 包括如下步骤： 步骤S1： 获取电力系统在时间段[t1,tn‑3]内的历史数据包以及电力监测历史数据， 其中 n为大于4的自然数； 步骤S2： 利用CNN提取历史数据包中的网络层特征， 历史数据包中的网络层特征结合电 力监测历史数据构成训练样本集， 利用训练样本集对GRU进行训练， 直至GRU的损失函数值 低于损失函数阈值， 以得到训练完成的GRU状态预测模型； 步骤S3： 电力系统在tn时刻接收数据包并检测到电力监测数据xn， 利用CNN提取电力系 统在tn时刻接收到的数据包中的网络层特 征xn’； 步骤S4： 训练完 成的GRU状态 预测模型利用xn和xn’得到电力系统在tn+1时刻接收的数据 包的网络层特 征预估值an+1’以及电力监测数据预估值an+1； 步骤S5： 电力系统在tn+1时刻实际接收数据包并实际检测得到电力监测数据xn+1， 利用 CNN提取电力系统在tn+1时刻实际接收的数据包中的网络层特 征xn+1’； 步骤S6： GRU状态预测模型通过比较an+1’和xn+1’， 以及比较an+1和xn+1， 对电力系统在tn+1 时刻是否受到FDIA进行判断。 2.根据权利要求1所述的电力系 统FDIA高精度检测方法， 其特征在于， 步骤S1中,时间 段[t1,tn‑3]包含时刻t1、 t2......tn‑3， 电力系统获取的所有历史数据包分别对应于时刻t1、 t2......tn‑3， 电力系统获取的所有电力监测历史数据分别为x1、 x2......xn‑3， x1、 x2......xn‑3分别对应于时刻t1、 t2......tn‑3， 步骤S2中， 所有历史数据包对应的网络层特 征分别为x1’、 x2’......xn‑3’， 其中时刻tα对应的历史数据 包的网络层特征为xα’， n‑3≥α ≥ 1， CNN的全连接层将xα’和xα进行矩阵合并， 步骤S3中， CNN的全连接层将xn和xn’进行矩阵合 并， 步骤S4中， CNN的全连接层将an+1’和an+1进行矩阵合并， 步骤S5中， CNN的全连接层将xn+1’ 和xn+1进行矩阵合并， 步骤S6中， an+1’和an+1合并后的矩阵对比xn+1’和xn+1合并后的矩阵， 以 完成an+1’和xn+1’的比较以及an+1和xn+1的比较。 3.根据权利要求2所述的电力系统FDIA高精度检测方法， 其特征在于， xα’、 xn’、 xn+1’、 an+1’在CNN中经过多次卷积和池化， 以剔除重复维度和无效维度， 然后再进入 全连接层。 4.根据权利要求3所述的电力系统FDIA高精度检测方法， 其特征在于， xα、 xn、 xn+1、 an+1在 CNN中经过多次卷积和池化， 以在进入 全连接层后分别匹配于xα’、 xn’、 xn+1’、 an+1’。 5.根据权利要求4所述的电力系统FDIA高精度检测方法， 其特征在于， xα、 xn、 xn+1、 an+1包 含节点编号、 时间、 节点电压幅值和节点电压相角信息 。 6.根据权利要求5所述的电力系统FDIA高精度检测方法， 其特征在于， xα’、 xn’、 xn+1’、 an+1’包含TCP连接基本特 征、 TCP连接内容特 征以及基于时间的网络流 量统计特 征。 7.根据权利要求6所述的电力系 统FDIA高精度检测方法， 其特征在于， TCP连接基本特 征包含从源主机到目标主机的数据字节数、 错误分段数量和加急包个数， TCP连接内容特征 包含访问系统敏感文件和目录的次数、 登录尝试失败的次数、 访问控制文件的次数和一个 FTP会话中出站连接的次数。 8.根据权利要求2所述的电力系统FDIA高精度检测方法， 其特征在于， tn‑3‑tn‑4=tn‑4‑ tn‑5=tn‑5‑tn‑6=......=t3‑t2=t2‑t1=tn+1‑tn=T,T为GRU的训练周期且为定值。 9.根据权利要求1所述的电力系 统FDIA高精度检测方法， 其特征在于， 步骤S3中， 电力 系统还在tn‑2时刻和tn‑1时刻实际接收数据包并检测电力监测数据， 利用CNN提取电力系统权　利　要　求　书 1/2 页 2 CN 113794742 B 2在tn‑2时刻和tn‑1时刻接收到的数据包中的网络层特征， tn‑2和tn‑1时刻对应的电力监测数据 分别为xn‑2和xn‑1， tn‑2和tn‑1时刻对应的数据包中网络层特征分别为xn‑2’和xn‑1’， 步骤S4中， GRU状态预测模型在得到an+1和an+1’过程中还 使用xn‑2、 xn‑1、 xn‑2’和xn‑1’。 10.根据权利 要求1所述的电力系统FDIA高精度检测方法， 其特征在于， 步骤S1和 S2中， 电力系统 处于离线状态。权　利　要　求　书 2/2 页 3 CN 113794742 B 3