论文部分内容阅读
针对数据采集与监控(Supervisory Control And Data Acquisition,SCADA)系统中虚假数据注入攻击(False Data Injection Attacks,FDIA)能够躲过不良数据检测机制,篡改状态估计结果的恶意行为,本文提出了一种并行动态状态估计方案,从安全同步相量测量单元(Secure Phasor Measurement Unit,SPMU)出发,以状态估计一致性检测和聚类为手段实现FDIA检测与定位的目标。首先,考虑量测噪声对无迹卡尔曼滤波估计性能的影响,引入鲁棒算法对其改进,建立Huber代价函数,设计修正因子对对量测噪声协方差重构,抑制不良数据影响,并通过仿真验证鲁棒算法的适用性,为并行状态估计的一致性检测提供基础。其次,针对SPMU配置中模拟退火法寻优迭代过程漫长问题,采用零注入节点合并算法对模拟退火法的初始解改进,同时为满足系统可观下最小化SPMU数量及状态估计对冗余度的要求,在模拟退火法的寻优过程中加入随机扰动,以增加配置方案跳出局部最优的概率。通过仿真对比实验,为不同系统配置SPMU,证明所研究方法的有效性。进而,结合量测系统相互独立的运行特点,采用鲁棒无迹卡尔曼滤波进行并行动态状态估计,判断SCADA系统各个时刻的运行状态。针对FDIA躲过传统量测残差检测的原理,建立量测估计模型,并定义受攻击影响的二维量测偏差。考虑传统检测方法阈值经验化且不能实现定位的功能,采用点排序识别聚类结构的密度聚类与局部异常因子(Ordering Points To Identify the Clustering Structure and Local Outlier Factor,OPTICS-LOF)挖掘量测偏差的特征,根据输出样本的结果队列及离群指标,对SCADA系统中的虚假数据进行检测与定位。最后,在IEEE30标准测试系统验证不同攻击情景下所研究方案的有效性,并通过仿真分析,证明本文所采用的方法能够处理样本数据较大的系统,为保证电力系统信息安全和稳定运行提供理论基础和技术支持。