一种基于双目标生成对抗网络的实时电力市场虚假数据注入攻击方法及系统与流程

本发明涉及电力市场安全防护领域，具体是一种基于双目标生成对抗网络的实时电力市场虚假数据注入攻击方法及系统。

背景技术：

1、为了确保电力市场运行过程中的可用性和完整性，现代电网正在集成海量的实时和离线数据以进行监测、控制和保护。然而，这种新的数据驱动的前景使电力市场比以往任何时候都更容易受到网络攻击并出现严重后果。虚假数据注入攻击（false datainjection attack，fdia）是一种破坏电网信息完整性的网络攻击。fdia篡改监控中心接收到的测量数据，使监控中心错误估计系统状态并进行错误调度，是对电力市场威胁程度最高的攻击方式。为了更好地保护电力市场的运行，了解fdia潜在的攻击机制至关重要。

2、目前针对电力市场的fdia攻击方法研究不够贴合实际，研究内容提出的fdia在现实环境下不具有影响力，难以作为电力市场的fdia防护措施分析依据：其一，现有基于建模优化的fdia研究假设攻击者知道全部或部分电力系统敏感信息（例如线路参数、网络拓扑、状态估计模型），以此为基础发起fdia破坏电力市场的稳定运行，但实际情况下，上述敏感信息保密级别过高，攻击者无法获取；其二，现有基于深度学习的fdia研究通过学习监控中心接收到的测量值分布，推测监控中心的状态估计模型，然后由随机噪声生成虚假数据并发送至监控中心。但生成的虚假数据均为类似真实负载数据分布的随机数据，与电力市场实际负载值差别过大，无法避开电力市场中广泛存在的异常用电量检测，隐蔽性不足。且由于虚假数据的分布与真实数据过于接近，无法影响状态估计结果，从而无法破坏电力市场的安全稳定运行，破坏性不足。因此，如何设计一种无需敏感信息、隐蔽性强且破坏性强的fdia方法有待研究。

技术实现思路

1、本发明的目的在于解决现有技术所存在的技术问题，提供一种基于生成对抗网络的实时电力市场虚假数据注入攻击方法及系统，为电力市场安全防护措施的制定提供依据。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于双目标生成对抗网络的实时电力市场虚假数据注入攻击方法，包括如下步骤：

4、步骤一：根据实时电力市场的不良数据检测模型和最优增量调度模型，构建实时电力市场的虚假数据注入攻击模型；

5、步骤二：根据步骤一构建的虚假数据注入攻击模型，构建双目标生成对抗网络模型，所述双目标生成对抗网络模型包括生成器、判别器、用于提高隐蔽性的波动正则项和用于提高破坏性的激励正则项；

6、步骤三：对步骤二构建的双目标生成对抗网络模型进行训练：首先，将历史真实负载数据输入生成器和判别器；然后，将生成器生成的虚假负载数据输入判别器和电力市场模型；最后，将电力市场模型输出结果作为正则项，结合判别器输出结果更新生成器和判别器的参数，直至模型收敛，获得优化后的生成器；

7、步骤四：利用步骤三得到的优化后的生成器实施虚假数据注入攻击：将实时电力市场的真实负载数据输入优化后的生成器，生成具有隐蔽性和破坏性的虚假负载数据，并将所述虚假负载数据注入到电力系统量测数据中，以误导电力市场调度或造成线路拥塞。

8、进一步的，所述步骤一包括：

9、构建不良数据检测模型：实际生产过程中测量值中的不良数据遵循高斯分布，其中是第组测量值的标准差，测量值的残差平方和服从卡方分布，其中为测量值，为测量值中独立变量的个数，为估计的测量值，确定测量值中是否存在不良数据的具体过程如下：

10、选择置信度，根据计算相应残差阈值；

11、计算实际测量值与估计的测量值之间的残差平方和：

12、；

13、若成立，则测量值中存在不良数据，舍弃该组测量值或选择性剔除不良数据；

14、构建最优增量调度模型：实时电力市场的最优增量调度策略如下：

15、；

16、；

17、其中，分别为各节点发电机功率上、下限，为全部输电线路集合，分别为母线发电量、母线负载和线路流量，其中，分别为有发电机的母线数量、有负载的母线数量和输电线路数量；为各节点发电机功率增量，为各输电线路潮流增量，为各节点负载增量；

18、然后，tso设置参考电价，进而为系统中所有母线确定实时电价，第条母线的电价如下：

19、；

20、其中，为雅可比矩阵的第列，为输电线路的影子价格向量，中每个元素的值由相应输电线路的拥塞状态决定，输电线路越拥塞，中对应元素值越大；

21、针对实时电力市场的虚假数据注入fdia攻击者通过篡改测量值误导状态值估计结果 ，从而通过不良数据检测并从电力市场获利或破坏电力市场正常运行；

22、基于双目标生成对抗网络的实时电力市场虚假数据注入攻击模型如下：

23、；

24、其中为攻击向量，为遭受虚假数据注入攻击后的测量值，分别为fdia造成的线路故障数和攻击者从电力市场中的获利，为综合攻击效果，分别为获利和线路故障目标的权重。

25、进一步的，所述步骤二包括：

26、根据步骤一构建的虚假数据注入攻击模型，构建双目标生成对抗网络模型以获得虚假数据注入攻击中的最优攻击向量，双目标生成对抗网络模型的目标函数如下：

27、；

28、其中，为判别网络，为生成网络，为真实负载的分布，为生成器输出的分布，为生成器输出的虚假测量值，为是真实数据的概率；

29、为生成网络添加的波动正则项如下：

30、；

31、其中为波动正则项，为学习阈值，用于控制虚假数据与真实数据的相似度；为两种情况下波动正则项的权重；

32、最终生成双目标生成对抗网络模型的目标函数如下：

33、；

34、其中，激励正则项和分别可用来激励dogan生成造成大电价波动或线路故障的虚假测量值，和分别是电价和线路故障激励参数，用于扩大攻击造成的损失。

35、进一步的，所述步骤三包括：

36、利用真实负载数据对双目标生成对抗网络模型进行训练：

37、首先，预训练两轮判别器，的损失函数为：

38、；

39、其次，将历史真实负载数据输入生成器g和判别器d，g的损失函数为：

40、；

41、然后，将生成器生成的虚假负载数据输入判别器d和电力市场模型；

42、最后，用判别器输出结果更新判别器的参数，用判别器输出结果结合电力市场模型输出结果作为双目标正则项，更新生成器的参数。

43、进一步的，所述步骤四包括：

44、获取实时电力市场的当前时刻真实负载数据，将其输入步骤三训练优化后的生成器g；生成器g输出虚假测量值，利用所述虚假测量值篡改电力系统监控中心接收到的原始测量值；其中，所述虚假测量值满足波动正则项的约束，使得监控中心的估计残差小于不良数据检测的阈值，从而通过不良数据检测；同时，所述虚假测量值包含激励正则项对应的攻击特征，误导电力系统的状态估计结果，诱导实时电力市场生成导致线路拥塞或电价大幅波动的错误调度指令。

45、一种基于双目标生成对抗网络的实时电力市场虚假数据注入攻击系统，包括：

46、攻击模型构建模块，用于根据实时电力市场的不良数据检测模型和最优增量调度模型，构建实时电力市场的虚假数据注入攻击模型；

47、双目标生成对抗网络模型，根据所述虚假数据注入攻击模型构建，包括：

48、生成器，用于接收真实负载数据并生成虚假负载数据；

49、判别器，与所述生成器连接，用于判别输入数据是真实负载数据还是由所述生成器生成的虚假负载数据；

50、波动正则项计算单元，与所述生成器连接，用于根据生成器输出与真实输入的差异，计算并施加波动正则项，以提高虚假数据的隐蔽性；

51、激励正则项计算单元，与所述生成器连接，并与外部电力市场模型交互，用于根据电力市场模型输出的调度结果或线路状态，计算并施加激励正则项，以提高虚假数据的破坏性；

52、模型训练模块，分别与所述生成器、判别器、电力市场模型以及所述波动正则项计算单元和激励正则项计算单元连接，用于将历史真实负载数据输入生成器和判别器；然后，将生成器生成的虚假负载数据输入判别器和电力市场模型；最后，将电力市场模型输出结果作为正则项，结合判别器输出结果更新生成器和判别器的参数，直至模型收敛，获得优化后的生成器；

53、攻击实施模块，与训练完成的所述生成器连接，用于将实时电力市场的真实负载数据输入优化后的生成器，生成具有隐蔽性和破坏性的虚假负载数据，并将所述虚假负载数据注入到电力系统量测数据中，以误导电力市场调度或造成线路拥塞。

54、进一步的，所述攻击模型构建模块，具体用于：

55、构建不良数据检测模型：实际生产过程中测量值中的不良数据遵循高斯分布，其中是第组测量值的标准差，测量值的残差平方和服从卡方分布，其中为测量值，为测量值中独立变量的个数，为估计的测量值，确定测量值中是否存在不良数据的具体过程如下：

56、选择置信度，根据计算相应残差阈值；

57、计算实际测量值与估计的测量值之间的残差平方和：

58、；

59、若成立，则测量值中存在不良数据，舍弃该组测量值或选择性剔除不良数据；

60、构建最优增量调度模型：实时电力市场的最优增量调度策略如下：

61、；

62、；

63、其中，分别为各节点发电机功率上、下限，为全部输电线路集合，分别为母线发电量、母线负载和线路流量，其中，分别为有发电机的母线数量、有负载的母线数量和输电线路数量；为各节点发电机功率增量，为各输电线路潮流增量，为各节点负载增量；

64、然后，tso设置参考电价，进而为系统中所有母线确定实时电价，第条母线的电价如下：

65、；

66、其中，为雅可比矩阵的第列，为输电线路的影子价格向量，中每个元素的值由相应输电线路的拥塞状态决定，输电线路越拥塞，中对应元素值越大；

67、针对实时电力市场的虚假数据注入fdia攻击者通过篡改测量值误导状态值估计结果 ，从而通过不良数据检测并从电力市场获利或破坏电力市场正常运行；

68、基于双目标生成对抗网络的实时电力市场虚假数据注入攻击模型如下：

69、；

70、其中为攻击向量，为遭受虚假数据注入攻击后的测量值，分别为fdia造成的线路故障数和攻击者从电力市场中的获利，为综合攻击效果，分别为获利和线路故障目标的权重。

71、进一步的，所述双目标生成对抗网络模型的构建步骤包括：

72、根据构建的虚假数据注入攻击模型，构建双目标生成对抗网络模型以获得虚假数据注入攻击中的最优攻击向量，双目标生成对抗网络模型的目标函数如下：

73、；

74、其中，为判别网络，为生成网络，为真实负载的分布，为生成器输出的分布，为生成器输出的虚假测量值，为是真实数据的概率；

75、为生成网络添加的波动正则项如下：

76、；

77、其中为波动正则项，为学习阈值，用于控制虚假数据与真实数据的相似度；为两种情况下波动正则项的权重。

78、最终生成双目标生成对抗网络模型的目标函数如下：

79、；

80、其中，激励正则项和分别可用来激励dogan生成造成大电价波动或线路故障的虚假测量值，和分别是电价和线路故障激励参数，用于扩大攻击造成的损失。

81、进一步的，所述模型训练模块，具体用于：

82、利用真实负载数据对双目标生成对抗网络模型进行训练：

83、首先，预训练两轮判别器，的损失函数为：

84、；

85、其次，将历史真实负载数据输入生成器g和判别器d，g的损失函数为：

86、；

87、然后，将生成器生成的虚假负载数据输入判别器d和电力市场模型；

88、最后，用判别器输出结果更新判别器的参数，用判别器输出结果结合电力市场模型输出结果作为双目标正则项，更新生成器的参数。

89、进一步的，所述攻击实施模块，具体用于：获取实时电力市场的当前时刻真实负载数据，将其输入步骤三训练优化后的生成器g；生成器g输出虚假测量值，利用所述虚假测量值篡改电力系统监控中心接收到的原始测量值；其中，所述虚假测量值满足波动正则项的约束，使得监控中心的估计残差小于不良数据检测的阈值，从而通过不良数据检测；同时，所述虚假测量值包含激励正则项对应的攻击特征，误导电力系统的状态估计结果，诱导实时电力市场生成导致线路拥塞或电价大幅波动的错误调度指令。

90、本发明的优点在于：

91、1、结合实时电力市场虚假数据注入攻击模型和生成对抗网络模型，利用真实负载数据训练生成对抗网络，无需电力系统敏感信息；

92、2、将生成器的输入从随机噪声替换为真实负载数据，使生成的虚假数据与电力市场实际负载接近，从而可避开异常用电量检测，提高了fdia的隐蔽性；设计了可动态调整虚假数据波动范围的波动正则项，进一步提高了fdia的隐蔽性；

93、3、设计了可造成电力市场经济损失和线路故障的激励正则项，通过与电力市场模型交互训练，提高了fdia的破坏性。