本發(fā)明屬于網(wǎng)絡(luò)攻擊檢測，尤其涉及一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法及系統(tǒng)。

背景技術(shù)：

1、本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

2、隨著通信技術(shù)的發(fā)展，智能配電網(wǎng)信息化、自動化、互動化水平提高，逐步成為物理系統(tǒng)和信息系統(tǒng)深度耦合并彼此依賴的信息物理系統(tǒng)。大量電網(wǎng)數(shù)據(jù)涌入配電網(wǎng)，形成信息層的數(shù)據(jù)鏈路，構(gòu)成保障配電網(wǎng)穩(wěn)定安全運行的數(shù)據(jù)基礎(chǔ)。然而，海量數(shù)據(jù)中存在著影響數(shù)據(jù)質(zhì)量的干擾數(shù)據(jù)，如異常數(shù)據(jù)、缺失數(shù)據(jù)、受惡意網(wǎng)絡(luò)攻擊的數(shù)據(jù)，降低了數(shù)據(jù)交互效率，同時影響了配電網(wǎng)狀態(tài)的監(jiān)控效率。

3、電網(wǎng)數(shù)據(jù)異常、缺失等壞數(shù)據(jù)影響著配電網(wǎng)運行穩(wěn)定性，同時惡意網(wǎng)絡(luò)攻擊會對數(shù)據(jù)可信性和電網(wǎng)安全性造成嚴(yán)重威脅。不同于壞數(shù)據(jù)可以通過離群值檢測或設(shè)置閾值來檢測，惡意網(wǎng)絡(luò)攻擊的數(shù)據(jù)，例如虛假數(shù)據(jù)注入攻擊(false?data?injection?attackfdia)，能夠根據(jù)電網(wǎng)拓?fù)浣Y(jié)構(gòu)避免壞數(shù)據(jù)檢測，例如以斜坡的形式逐漸變化，難以被發(fā)現(xiàn)和管理,從而對智能電網(wǎng)狀態(tài)監(jiān)控造成干擾；基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的數(shù)據(jù)驅(qū)動方法被廣泛應(yīng)用于網(wǎng)絡(luò)攻擊檢測中，已有方案都是對如何從采集的數(shù)據(jù)中準(zhǔn)確檢測網(wǎng)絡(luò)攻擊的角度進(jìn)行改進(jìn)，但并未關(guān)注采集的數(shù)據(jù)質(zhì)量對保障配電網(wǎng)穩(wěn)定安全運行的影響。

4、盡管已有的數(shù)據(jù)質(zhì)量提升方法已經(jīng)能夠改善數(shù)據(jù)準(zhǔn)確性和可信性，但是由于電網(wǎng)拓?fù)湫畔?fù)雜，智能電網(wǎng)數(shù)據(jù)量激增，傳統(tǒng)的方法效率有待提升；此外，當(dāng)前數(shù)據(jù)可靠性評價聚焦于數(shù)據(jù)異常、缺失層面，但并未對惡意網(wǎng)絡(luò)攻擊導(dǎo)致的質(zhì)量問題進(jìn)行深入探討；因此，現(xiàn)有方案無法對數(shù)據(jù)質(zhì)量進(jìn)行全面提升，而且配電網(wǎng)穩(wěn)定安全運行的監(jiān)控效果不佳。

技術(shù)實現(xiàn)思路

1、為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法及系統(tǒng)，通過對異常數(shù)據(jù)、缺失數(shù)據(jù)和受攻擊數(shù)據(jù)的識別和校正，對用于配電網(wǎng)狀態(tài)監(jiān)控的運行數(shù)據(jù)進(jìn)行質(zhì)量提升，保證配電網(wǎng)的穩(wěn)定安全運行。

2、為實現(xiàn)上述目的，本發(fā)明的一個或多個實施例提供了如下技術(shù)方案：

3、本發(fā)明第一方面提供了一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法。

4、一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，包括：

5、獲取分布式光伏配網(wǎng)的時序運行數(shù)據(jù)；

6、對時序運行數(shù)據(jù)進(jìn)行第一次質(zhì)量提升，包括異常數(shù)據(jù)和缺失數(shù)據(jù)的識別和校正；

7、將第一次質(zhì)量提升后的時序運行數(shù)據(jù)，輸入到訓(xùn)練好的網(wǎng)絡(luò)攻擊校正模型中，進(jìn)行第二次質(zhì)量提升，包括受攻擊數(shù)據(jù)的識別和校正；

8、對第二次質(zhì)量提升后的數(shù)據(jù)質(zhì)量進(jìn)行評價，得到數(shù)據(jù)質(zhì)量提升結(jié)果；

9、其中，所述受攻擊數(shù)據(jù)的識別，在卷積神經(jīng)網(wǎng)絡(luò)上通過擠壓激勵模塊引入注意力機(jī)制，結(jié)合雙向長短期記憶網(wǎng)絡(luò)提取時序特征，依據(jù)時序特征進(jìn)行網(wǎng)絡(luò)攻擊數(shù)據(jù)的分類，得到受攻擊數(shù)據(jù)。

10、進(jìn)一步的，所述異常數(shù)據(jù)和缺失數(shù)據(jù)的識別，具體為：

11、用孤立森林算法識別出運行數(shù)據(jù)中的異常值；并定位運行數(shù)據(jù)中由非停電事故造成的缺失值。

12、進(jìn)一步的，所述異常數(shù)據(jù)和缺失數(shù)據(jù)的校正，是基于卷積神經(jīng)網(wǎng)絡(luò)，對缺失值和異常值的正確值進(jìn)行預(yù)測。

13、進(jìn)一步的，所述網(wǎng)絡(luò)攻擊校正模型，包括特征構(gòu)建模塊、特征降維模塊、攻擊識別模塊和攻擊校正模塊；

14、所述特征構(gòu)建模塊，基于第一次質(zhì)量提升后的時序運行數(shù)據(jù)，構(gòu)建時頻特征；

15、所述特征降維模塊，利用主成分分析法，對構(gòu)建的時頻特征進(jìn)行降維；

16、所述攻擊識別模塊，基于降維后的時頻特征，利用網(wǎng)絡(luò)攻擊檢測模型，進(jìn)行受攻擊數(shù)據(jù)的識別；

17、所述攻擊校正模塊，對識別出來的受攻擊數(shù)據(jù)進(jìn)行校正。

18、進(jìn)一步的，所述時頻特征的構(gòu)建，具體為：

19、采用變分模態(tài)分解將時序運行數(shù)據(jù)分解成多個本征模態(tài)函數(shù)；

20、對每個本征模態(tài)函數(shù)提取時域特征和頻域特征，與第一次質(zhì)量提升后的時序運行數(shù)據(jù)拼接，從而得到時頻特征。

21、進(jìn)一步的，所述網(wǎng)絡(luò)攻擊檢測模型，包括改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)、雙向長短期記憶網(wǎng)絡(luò)、全連接層和softmax分類器；

22、所述改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)，是在卷積神經(jīng)網(wǎng)絡(luò)中通過擠壓激勵模塊引入注意力機(jī)制，為每個特征分配權(quán)重，突出有用特征，弱化冗余特征，從而使得提取的特征更有利于分類；

23、所述雙向長短期記憶網(wǎng)絡(luò)，用于提取時序特征；

24、所述全連接層和softmax分類器，用于輸出分類結(jié)果，包括正常數(shù)據(jù)和受攻擊數(shù)據(jù)。

25、進(jìn)一步的，所述評價，是綜合考慮數(shù)據(jù)的準(zhǔn)確性、可信性、實時性，選取準(zhǔn)確度、一致度、完整度、時效度作為評價指標(biāo)，進(jìn)行數(shù)據(jù)質(zhì)量的綜合評價。

26、本發(fā)明第二方面提供了一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升系統(tǒng)。

27、一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升系統(tǒng)，包括數(shù)據(jù)獲取模塊、第一提升模塊、第二提升模塊和質(zhì)量評價模塊：

28、數(shù)據(jù)獲取模塊，被配置為：獲取分布式光伏配網(wǎng)的時序運行數(shù)據(jù)；

29、第一提升模塊，被配置為：對時序運行數(shù)據(jù)進(jìn)行第一次質(zhì)量提升，包括異常數(shù)據(jù)和缺失數(shù)據(jù)的識別和校正；

30、第二提升模塊，被配置為：將第一次質(zhì)量提升后的時序運行數(shù)據(jù)，輸入到訓(xùn)練好的網(wǎng)絡(luò)攻擊校正模型中，進(jìn)行第二次質(zhì)量提升，包括受攻擊數(shù)據(jù)的識別和校正；

31、質(zhì)量評價模塊，被配置為：對第二次質(zhì)量提升后的數(shù)據(jù)質(zhì)量進(jìn)行評價，得到數(shù)據(jù)質(zhì)量提升結(jié)果；

32、其中，所述受攻擊數(shù)據(jù)的識別，在卷積神經(jīng)網(wǎng)絡(luò)上通過擠壓激勵模塊引入注意力機(jī)制，結(jié)合雙向長短期記憶網(wǎng)絡(luò)提取時序特征，依據(jù)時頻特征進(jìn)行網(wǎng)絡(luò)攻擊數(shù)據(jù)的分類，得到受攻擊數(shù)據(jù)。

33、本發(fā)明第三方面提供了計算機(jī)可讀存儲介質(zhì)，其上存儲有程序，該程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法中的步驟。

34、本發(fā)明第四方面提供了電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，所述處理器執(zhí)行所述程序時實現(xiàn)如本發(fā)明第一方面所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法中的步驟。

35、以上一個或多個技術(shù)方案存在以下有益效果：

36、本發(fā)明分別對包括異常數(shù)據(jù)和缺失數(shù)據(jù)的壞數(shù)據(jù)及受網(wǎng)絡(luò)攻擊的數(shù)據(jù)進(jìn)行識別和校正，通過兩次校正方法，對用于配電網(wǎng)狀態(tài)監(jiān)控的運行數(shù)據(jù)進(jìn)行質(zhì)量提升，全面改善干擾數(shù)據(jù)對后續(xù)配電網(wǎng)狀態(tài)監(jiān)控的影響，保證配電網(wǎng)的穩(wěn)定安全運行。

37、本發(fā)明構(gòu)建基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)攻擊檢測模型，通過擠壓激勵模塊引入注意力機(jī)制，結(jié)合雙向長短期記憶網(wǎng)絡(luò)提取數(shù)據(jù)時序特征，對受網(wǎng)絡(luò)攻擊的數(shù)據(jù)進(jìn)行準(zhǔn)確識別。

38、本發(fā)明附加方面的優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

技術(shù)特征：

1.一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，其特征在于，包括：

2.如權(quán)利要求1所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，其特征在于，所述異常數(shù)據(jù)和缺失數(shù)據(jù)的識別，具體為：

3.如權(quán)利要求1所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，其特征在于，所述異常數(shù)據(jù)和缺失數(shù)據(jù)的校正，是基于卷積神經(jīng)網(wǎng)絡(luò)，對缺失值和異常值的正確值進(jìn)行預(yù)測。

4.如權(quán)利要求1所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，其特征在于，所述網(wǎng)絡(luò)攻擊校正模型，包括特征構(gòu)建模塊、特征降維模塊、攻擊識別模塊和攻擊校正模塊；

5.如權(quán)利要求4所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，其特征在于，所述時頻特征的構(gòu)建，具體為：

6.如權(quán)利要求4所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，其特征在于，所述網(wǎng)絡(luò)攻擊檢測模型，包括改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)、雙向長短期記憶網(wǎng)絡(luò)、全連接層和softmax分類器；

7.如權(quán)利要求1所述的一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法，其特征在于，所述評價，是綜合考慮數(shù)據(jù)的準(zhǔn)確性、可信性、實時性，選取準(zhǔn)確度、一致度、完整度、時效度作為評價指標(biāo)，進(jìn)行數(shù)據(jù)質(zhì)量的綜合評價。

8.一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升系統(tǒng)，其特征在于，包括數(shù)據(jù)獲取模塊、第一提升模塊、第二提升模塊和質(zhì)量評價模塊：

9.一種電子設(shè)備，其特征是，包括：

10.一種存儲介質(zhì)，其特征是，非暫時性地存儲計算機(jī)可讀指令，其中，當(dāng)所述計算機(jī)可讀指令由計算機(jī)執(zhí)行時，執(zhí)行權(quán)利要求1-7任一項所述的方法。

技術(shù)總結(jié)
本發(fā)明提出了一種分布式光伏配網(wǎng)數(shù)據(jù)質(zhì)量提升方法及系統(tǒng)，涉及網(wǎng)絡(luò)攻擊檢測技術(shù)領(lǐng)域，具體方案包括：獲取分布式光伏配網(wǎng)的時序運行數(shù)據(jù)；對時序運行數(shù)據(jù)進(jìn)行第一次質(zhì)量提升，包括異常數(shù)據(jù)和缺失數(shù)據(jù)的識別和校正；將第一次質(zhì)量提升后的時序運行數(shù)據(jù)，輸入到訓(xùn)練好的網(wǎng)絡(luò)攻擊校正模型中，進(jìn)行第二次質(zhì)量提升，包括受攻擊數(shù)據(jù)的識別和校正；對第二次質(zhì)量提升后的數(shù)據(jù)質(zhì)量進(jìn)行評價，得到數(shù)據(jù)質(zhì)量提升結(jié)果；本發(fā)明通過對異常數(shù)據(jù)、缺失數(shù)據(jù)和受攻擊數(shù)據(jù)的識別和校正，對用于配電網(wǎng)狀態(tài)監(jiān)控的運行數(shù)據(jù)進(jìn)行質(zhì)量提升，保證配電網(wǎng)的穩(wěn)定安全運行。

技術(shù)研發(fā)人員：孫凱祺,高弋典,邱偉,孫媛媛,李亞輝,王一鳴
受保護(hù)的技術(shù)使用者：山東大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/9