-
公开(公告)号：CN117375937A
公开(公告)日：2024-01-09
申请号：CN202311374641.9
申请日：2023-10-23
申请人： 南方电网科学研究院有限责任公司
IPC分类号： H04L9/40 , G06N20/00 , G06Q50/06 , G06F18/214 , G06F18/241
摘要： 本发明公开基于极端学习机算法的电力系统网络入侵检测方法及系统，涉及电力系统网络安全领域；该方法包括：对训练数据进行映射处理，得到映射处理后的训练数据；以极端学习机算法作为分类检测算法，构建待训练的分类检测模型；将映射处理后的训练数据分为训练集和验证集；采用训练集和验证集以损失函数最小为目的对待训练的分类检测模型的参数进行调整和验证，得到分类检测模型；将待检测的电力系统网络的流量数据输出至分类检测模型，得到待检测的电力系统网络的流量数据的类型。本发明改进了电力系统网络流量数据样本的预处理方法，并结合极端学习机算法，实现了对电力系统网络攻击流量的检测。
-
公开(公告)号：CN117236380A
公开(公告)日：2023-12-15
申请号：CN202311348865.2
申请日：2023-10-17
申请人： 南方电网科学研究院有限责任公司
IPC分类号： G06N3/0442 , G06N3/082 , G06Q50/06 , G06Q10/20
摘要： 本发明公开一种电力系统故障预测方法、系统、电子设备和介质，涉及故障预测技术领域。所述方法包括：获取当前时刻的电力系统运行数据；电力系统运行数据包括电网各节点的负荷、电压、电流和功率；将当前时刻电网的电力系统运行数据输入故障预测模型得到下一时刻电网的故障状态；故障预测模型为对量化模型进行量化感知训练和剪枝操作得到的，量化模型为对训练好的模型中的模型参数进行量化得到的；训练好的模型为以历史时刻的电力系统运行数据为输入，以历史时刻各电力系统运行数据对应的故障状态为输出对多尺度层级LSTM网络进行训练得到的。本发明可提高故障预测结果的准确度，进而提高电力系统的安全性和可靠性。
-
公开(公告)号：CN117375970A
公开(公告)日：2024-01-09
申请号：CN202311439110.3
申请日：2023-10-31
申请人： 南方电网科学研究院有限责任公司
摘要： 本发明公开了一种电力系统网络入侵检测方法、系统及设备，涉及电力系统网络安全技术领域。该方法包括：获取电力系统网络入侵数据并进行数据归一化处理；采用凝聚层次聚类算法对归一化后的特征数据进行聚类，得到聚类后的特征数据集；采用边缘保留式K最近邻算法对聚类后的特征数据集进行欠采样，得到多个欠采样特征子集并进行拼接，得到总体欠采样特征数据集；采用贪心递归消除交叉验证算法对总体欠采样特征数据集进行特征选择，得到最优特征子集；将最优特征子集输入并联深度神经网络模型，输出入侵检测结果。本发明能够全面提升电力系统网络入侵检测效率和分类精度，从而有效提高电力系统网络的安全性。
-
公开(公告)号：CN117336085A
公开(公告)日：2024-01-02
申请号：CN202311434635.8
申请日：2023-10-31
申请人： 南方电网科学研究院有限责任公司
IPC分类号： H04L9/40
摘要： 本发明公开一种电力系统网络安全防护方法、系统及电子设备，涉及电力系统网络安全领域，该方法包括获取电力系统中的网络流量数据；对网络流量数据基于TanhMinMax归一化方法进行归一化处理；根据归一化处理后的网络流量数据，基于交叉验证的递归特征消除算法进行特征选择；根据特征选择后的网络流量数据，采用基于生成对抗网络的半监督深度阶梯网络的入侵检测模型，确定入侵检测结果；所述入侵检测模型包括：引入阶梯神经网络的生成对抗网络以及半监督分类器。本发明能够提高电力系统网络入侵检测的准确性。
-
-
-
搜索结果
4 条记录 (耗时 0.033 秒)