李文琴+汪大清+張素蘭

摘 要： 針對(duì)傳統(tǒng)抗毀能力估計(jì)不準(zhǔn)確的問(wèn)題，提出一種海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方案。首先建立靜態(tài)能量函數(shù)模型，通過(guò)模型系統(tǒng)進(jìn)行評(píng)估可以防止海量壞數(shù)據(jù)對(duì)評(píng)估過(guò)程的干擾，同時(shí)優(yōu)化了評(píng)估過(guò)程的算例分析，改變傳統(tǒng)分析模式，使用VOPC進(jìn)行系統(tǒng)函數(shù)分析，能對(duì)隨機(jī)攻擊以及惡意攻擊進(jìn)行分配評(píng)估，促進(jìn)評(píng)估過(guò)程的準(zhǔn)確程度。實(shí)驗(yàn)結(jié)果表明，所提方法能夠?qū)χ悄茈娋W(wǎng)抗毀能力進(jìn)行準(zhǔn)確的評(píng)估。

關(guān)鍵詞： 智能電網(wǎng)； 抗毀能力； 海量壞數(shù)據(jù)； 算例分析

中圖分類號(hào)： TN915.5?34； TP391.3 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）24?0121?03

Abstract： Aiming at the inaccurate estimation of traditional destroy?resistant ability， a destroy?resistant ability estimation scheme of smart power grid is proposed to resist the massive bad data attack. The static energy function model is established. The model system used for evaluation can prevent the interference of massive bad data in the evaluation process， and optimize the example analysis of the assessment process， which can change the traditional analysis mode. The VOPC used for system function analysis can conduct the allocation assessment for the random attacks and malicious attacks to promote the accuracy degree of the evaluation process. The experimental results show that the estimation method for destroy?resistant ability of smart power grid can accurately evaluate the smart power grid′s destroy?resistant ability against massive bad data attack.

Keywords： smart power grid； destroy?resistant ability； massive bad data； example analysis

0 引 言

電力系統(tǒng)的穩(wěn)定是關(guān)系到城市化建設(shè)以及工業(yè)生產(chǎn)的關(guān)鍵所在。隨著科技的進(jìn)步，傳統(tǒng)的電力設(shè)施已經(jīng)與智能化的設(shè)備相結(jié)合，利用一定的智能設(shè)備可以提高電力系統(tǒng)的控制能力，同時(shí)增加電力系統(tǒng)的調(diào)配能力[1?2]。但是電力系統(tǒng)具有一定的脆弱性，很容易受到數(shù)據(jù)信息干預(yù)、計(jì)算通信干擾、內(nèi)部控制配件的調(diào)配不均衡等情況影響造成大面停電，這樣嚴(yán)重的危害到了城市的基本設(shè)施的使用以及工業(yè)生產(chǎn)能力[3?4]。就現(xiàn)階段的技術(shù)發(fā)展而言，使用的內(nèi)置配件已經(jīng)能夠承受電力系統(tǒng)的使用強(qiáng)度，計(jì)算通信的干擾也已經(jīng)可以通過(guò)技術(shù)手段進(jìn)行有效的避免[5]。這些數(shù)據(jù)可以統(tǒng)稱為壞數(shù)據(jù)，目前海量壞數(shù)據(jù)的攻擊是電網(wǎng)系統(tǒng)的最新難題[6?7]。針對(duì)智能電網(wǎng)抗毀能力的評(píng)估方法，一般都是參照網(wǎng)絡(luò)抗毀系數(shù)的評(píng)估方法進(jìn)行評(píng)估的，具有許多評(píng)估誤差。針對(duì)上述問(wèn)題，本文提出海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方法，并設(shè)計(jì)了對(duì)比仿真試驗(yàn)，通過(guò)實(shí)驗(yàn)驗(yàn)證了本文提出評(píng)估方法的有效性。

1 聚類中心調(diào)度技術(shù)的設(shè)計(jì)方案

本文提出的海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)使用靜態(tài)能量函數(shù)模型對(duì)智能電網(wǎng)抗毀能力進(jìn)行估計(jì)。由于智能電網(wǎng)中的壞數(shù)據(jù)大體攻擊形式分為兩種：一種是本身含有惡意攻擊性的主動(dòng)攻擊數(shù)據(jù)；一種是具有隨機(jī)攻擊性非惡意數(shù)據(jù)，但都會(huì)對(duì)電網(wǎng)進(jìn)行攻擊。所以優(yōu)化算例分析過(guò)程可對(duì)不同形式下攻擊進(jìn)行全面評(píng)估，有效保證了評(píng)估過(guò)程的準(zhǔn)確性。其評(píng)估過(guò)程如圖1所示。

1.1 建立靜態(tài)能量函數(shù)模型

本文建立的靜態(tài)能量函數(shù)模型能夠?qū)Ａ繅臄?shù)據(jù)進(jìn)行高位的統(tǒng)計(jì)評(píng)估，由于智能電網(wǎng)的不同支路與信息接觸的概率是不同的，因此需要進(jìn)行支路規(guī)劃。假設(shè)電壓的節(jié)點(diǎn)是j，電流的節(jié)點(diǎn)為i，根據(jù)不同支路的節(jié)點(diǎn)設(shè)置，進(jìn)行節(jié)點(diǎn)的預(yù)設(shè)公式為：

式中：，分別表示支路電壓的節(jié)點(diǎn)控制力、支路控制電壓的抗毀能力；表示節(jié)點(diǎn)的相位差，通過(guò)節(jié)點(diǎn)相位差能夠反映支路與數(shù)據(jù)的接觸能力；表示支路電網(wǎng)的功率因數(shù)。經(jīng)過(guò)節(jié)點(diǎn)預(yù)設(shè)過(guò)后，根據(jù)信息的涌動(dòng)規(guī)律，進(jìn)行智能電網(wǎng)的潮擊計(jì)算，公式為：

式中：表示潮擊過(guò)程中的數(shù)據(jù)攻擊概率；表示智能電網(wǎng)中節(jié)點(diǎn)的使用率；，分別表示惡意數(shù)據(jù)節(jié)點(diǎn)的標(biāo)注碼、惡意數(shù)據(jù)的識(shí)別常數(shù)碼。表示電納ij支路的權(quán)值函數(shù)；表示經(jīng)過(guò)惡意數(shù)據(jù)攻擊的頻率。這樣便可以進(jìn)行靜態(tài)能量函數(shù)模型的建立，公式如下：

靜態(tài)能量函數(shù)模型不能夠進(jìn)行直接的使用需要進(jìn)行使用條件的限定。限定條件表示如下：

經(jīng)過(guò)上述的條件限定完成了靜態(tài)能量函數(shù)模型的建立。

1.2 優(yōu)化算例分析

本文對(duì)算例分析進(jìn)行了優(yōu)化，主要目的是保證進(jìn)行評(píng)估過(guò)程中對(duì)非惡意數(shù)據(jù)隨機(jī)攻擊進(jìn)行估計(jì)。本文優(yōu)化后的算例分析使用的是VOPC函數(shù)，改變了傳統(tǒng)的算例分析過(guò)程，這樣能更好的隨機(jī)性的進(jìn)行評(píng)估，根據(jù)VOPC函數(shù)使用條件首先需要對(duì)隨機(jī)數(shù)據(jù)進(jìn)行一維密度函數(shù)計(jì)算，公式為：endprint

式中：表示隨機(jī)數(shù)據(jù)的節(jié)點(diǎn)重要度之和；，，分別表示密度函數(shù)的節(jié)點(diǎn)邊權(quán)值、商權(quán)值、空點(diǎn)系數(shù)值；是發(fā)生數(shù)據(jù)攻擊的屬性值。由于智能電網(wǎng)的的分布多數(shù)都是雙向性對(duì)稱，因此可以得到數(shù)據(jù)重要度公式為：

式中：表示重要度函數(shù)的基本應(yīng)急值；表示隨機(jī)事件發(fā)生的系統(tǒng)趨向；表示隨機(jī)數(shù)據(jù)的屬性有效值。經(jīng)過(guò)上述公式的計(jì)算，進(jìn)行數(shù)例分析，其分析過(guò)程為：

式中：表示進(jìn)行算例分析過(guò)程中使用的系數(shù)；一般是在[60，120]值域范圍內(nèi)；表示數(shù)據(jù)進(jìn)行惡意攻擊過(guò)程中的接觸屬性，主要是指能夠中斷線路傳輸?shù)墓簦槐硎緮?shù)據(jù)進(jìn)行惡意攻擊過(guò)程中的畸變能力，主要體現(xiàn)在是否能夠進(jìn)行多次攻擊；表示智能電網(wǎng)的抗性，包括抗毀能力、抗阻能力等。不同的攻擊對(duì)應(yīng)不同的評(píng)估標(biāo)準(zhǔn)也是不同的。

2 仿真實(shí)驗(yàn)分析

2.1 參數(shù)設(shè)定

為了保證設(shè)計(jì)的海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方法的有效性，對(duì)參數(shù)進(jìn)行設(shè)置定：支路電壓的節(jié)點(diǎn)控制參數(shù)在[63.52，99.8]值域范圍之內(nèi)；設(shè)置智能電網(wǎng)中節(jié)點(diǎn)的使用率為18.5。為了保證海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方法能夠更準(zhǔn)確地對(duì)數(shù)據(jù)攻擊進(jìn)行評(píng)估，設(shè)置，，，分別為88.5，750，22.5，3，設(shè)置試驗(yàn)參數(shù)如表1所示。

評(píng)價(jià)估計(jì)方法的指標(biāo)主要有2種：狀態(tài)脆弱因子數(shù)；結(jié)構(gòu)脆弱因子數(shù)。狀態(tài)脆弱因子數(shù)表示如下：

結(jié)構(gòu)脆弱因子數(shù)為：

根據(jù)上述仿真設(shè)定參數(shù)進(jìn)行實(shí)驗(yàn)，結(jié)果如下。

2.2 結(jié)果分析

在實(shí)驗(yàn)過(guò)程中，對(duì)傳統(tǒng)方法與本文提出的方法的試驗(yàn)結(jié)果進(jìn)行記錄，如表2所示。

分析表2得知，本文提出的海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方法，結(jié)構(gòu)脆弱因子數(shù)比傳統(tǒng)的評(píng)價(jià)方法高出13.7， 結(jié)構(gòu)脆弱因子數(shù)是衡量評(píng)估方法準(zhǔn)確度的指標(biāo)，實(shí)驗(yàn)結(jié)果說(shuō)明本文提出的方法更加的準(zhǔn)確；狀態(tài)脆弱因子數(shù)比傳統(tǒng)方法高出31.86，狀態(tài)脆弱因子數(shù)是衡量評(píng)估方法全面性的數(shù)據(jù)指標(biāo)，可以看出本文的方法能夠進(jìn)行更加全面的評(píng)估。

分析圖2結(jié)果得知，本文提出的海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方法，在時(shí)間上與傳統(tǒng)的評(píng)估方法相比較，本文提出的方法所用時(shí)間很短。

分析圖3結(jié)果得知，本文提出的海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方法。其測(cè)量結(jié)果是具有一定的波動(dòng)性的，說(shuō)明本文提出的方法能夠?qū)?shù)據(jù)攻擊更加的敏感；傳統(tǒng)方法的評(píng)估結(jié)果是一條近似直線，說(shuō)明對(duì)智能電網(wǎng)的攻擊敏感度較低。

3 結(jié) 語(yǔ)

本文提出一種海量壞數(shù)據(jù)攻擊下的智能電網(wǎng)抗毀能力估計(jì)方案。對(duì)智能電網(wǎng)抗毀能力進(jìn)行估計(jì)，首先需要建立靜態(tài)能量函數(shù)模型，通過(guò)模型系統(tǒng)進(jìn)行評(píng)估可以防止海量壞數(shù)據(jù)對(duì)評(píng)估過(guò)程的干擾，避免了傳統(tǒng)的評(píng)估方法中支路信息不全的問(wèn)題，同時(shí)優(yōu)化了評(píng)估過(guò)程的算例分析，改變了傳統(tǒng)的分析模式，使用VOPC進(jìn)行系統(tǒng)的函數(shù)分析，能夠?qū)﹄S機(jī)攻擊以及惡意攻擊進(jìn)行分配評(píng)估，從而極大地促進(jìn)評(píng)估過(guò)程的準(zhǔn)確程度。希望通過(guò)本文的研究能夠?yàn)橹悄茈娋W(wǎng)抗毀能力估計(jì)提供理論依據(jù)。

參考文獻(xiàn)

[1] 溫博慧，李向前，袁銘.存量流量一致框架下中國(guó)銀行體系網(wǎng)絡(luò)抗毀性研究：基于資產(chǎn)價(jià)格波動(dòng)沖擊[J].財(cái)貿(mào)經(jīng)濟(jì)，2015，36（9）：46?60.

[2] 鐘少穎，王寧寧，陳銳.北京市公交網(wǎng)絡(luò)樞紐性和抗毀性：基于復(fù)雜網(wǎng)絡(luò)分析方法的研究[J].城市發(fā)展研究，2016，23（6）：123?132.

[3] 王子涵，王小軍.包含認(rèn)知能力的教育回報(bào)率估計(jì)：基于CHIP2007年數(shù)據(jù)的實(shí)證研究[J].教育與經(jīng)濟(jì)，2016（1）：39?46.

[4] 何旭，姜憲國(guó)，張沛超，等.基于SVM的小樣本條件下繼電保護(hù)可靠性參數(shù)估計(jì)[J].電網(wǎng)技術(shù)，2015，39（5）：1432?1437.

[5] 尹東東，張建清.我國(guó)對(duì)外直接投資逆向技術(shù)溢出效應(yīng)研究：基于吸收能力視角的實(shí)證分析[J].國(guó)際貿(mào)易問(wèn)題，2016（1）：109?120.

[6] 劉袁緣，陳靚影，俞侃，等.基于樹(shù)結(jié)構(gòu)分層隨機(jī)森林在非約束環(huán)境下的頭部姿態(tài)估計(jì)[J].電子與信息學(xué)報(bào)，2015，37（3）：543?551.

[7] 徐紅旗，史冀鵬，張守偉，等.sEMG時(shí)頻特征線性回歸法與非線性神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)伸膝肌群極限功率保持能力測(cè)試中功率損失率的比較研究[J].中國(guó)體育科技，2017，53（2）：53?63.endprint