Application of Machine Learning in Cyber Security of Cyber-Physical Power System

Sha PENG; Mingyang SUN; Zhenyong ZHANG; Ruilong DENG; Peng CHENG

doi:10.7500/AEPS20210613001

您当前的位置：

首页 >

文章列表页 >

Application of Machine Learning in Cyber Security of Cyber-Physical Power System

Review | 更新时间：2025-06-16

- Application of Machine Learning in Cyber Security of Cyber-Physical Power System
- Automation of Electric Power Systems Vol. 46, Issue 9, Pages: 200-215(2022)
- 作者机构：
  
  1. 浙江大学控制科学与工程学院，浙江省杭州市 310027
  2. 贵州大学计算机科学与技术学院，贵州省贵阳市 550025
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(62073285);Key Program of Zhejiang Provincial Natural Science Foundation of China(LZ21F020006)
- DOI：10.7500/AEPS20210613001
  CLC：
- Received：13 June 2021，
  
  Revised：2021-11-18，
  
  Published Online：16 February 2022，
  
  Published：10 May 2022
- 稿件说明：
移动端阅览
彭莎,孙铭阳,张镇勇等.机器学习在电力信息物理系统网络安全中的应用[J].电力系统自动化,2022,46(9):200-215.

PENG Sha,SUN Mingyang,ZHANG Zhenyong,et al.Application of Machine Learning in Cyber Security of Cyber-Physical Power System[J].Automation of Electric Power Systems,2022,46(9):200-215.
彭莎,孙铭阳,张镇勇等.机器学习在电力信息物理系统网络安全中的应用[J].电力系统自动化,2022,46(9):200-215. DOI： 10.7500/AEPS20210613001.

PENG Sha,SUN Mingyang,ZHANG Zhenyong,et al.Application of Machine Learning in Cyber Security of Cyber-Physical Power System[J].Automation of Electric Power Systems,2022,46(9):200-215. DOI： 10.7500/AEPS20210613001.

摘要

随着信息化程度的不断深入，传统电力系统逐渐发展成为典型的信息物理系统(CPS)。开放的信息系统环境使得电力系统的安全运行面临着各种潜在网络攻击的威胁。近年来，机器学习方法迅猛发展，并已广泛应用于电力CPS网络安全领域。一方面，电力CPS中数据的爆炸式增长以及硬件运算能力的提升为机器学习的应用创造了良好条件；另一方面，相比于传统的基于机理的建模分析方法，基于数据的机器学习方法具有模型构建以及实时性需求2个方面的优势。文中从攻防2个角度对机器学习在电力CPS网络安全领域的应用进行了归纳总结。其中，攻击者角度主要包括拓扑信息推断、攻击资源优化以及攻击构建3个方面；防守者角度主要包括安全保护、攻击检测以及攻击缓解3个方面。最后，分析展望了电力CPS网络安全领域存在的挑战以及未来的研究方向。

Abstract

With the deepening of informationization

the traditional power system has been transformed into a typical cyber-physical system (CPS). Considering the open cyber system environment

the security operation of the cyber-physical power system (CPPS) faces threats from various potential cyberattacks. In recent years

machine learning approaches have been developing rapidly and have been widely used in CPPS cyber security. On the one hand

the explosive growth of data in the CPPS and the improvement of hardware computing power create the right conditions for applying machine learning approaches. On the other hand

compared with the traditional model-based approaches

the data-based machine learning approaches has advantages in two aspects: modeling and real-time requirements. This paper summarizes the application of machine learning in CPPS cyber security from the perspectives of attack and defense

respectively. The perspective of attack mainly includes three aspects: topology inference

attacking resource optimization

and attack construction. The perspectives of defense mainly include three aspects: security protection

attack detection

and attack mitigation. Finally

the challenges and future research directions in the field of CPPS cyber security are proposed.

关键词

Keywords

references

王琦，李梦雅，汤奕，等 . 电力信息物理系统网络攻击与防御研究综述：（一）建模与评估［J］. 电力系统自动化， 2019 ， 43 （ 9 ）： 9 - 21 .

WANG Qi ， LI Mengya ， TANG Yi ， et al . A review on research of cyber-attacks and defense in cyber physical power systems： Part one modelling and evaluation ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 9 ）： 9 - 21 .

汤奕，陈倩，李梦雅，等 . 电力信息物理融合系统环境中的网络攻击研究综述［J］. 电力系统自动化， 2016 ， 40 （ 17 ）： 59 - 69 .

TANG Yi ， CHEN Qian ， LI Mengya ， et al . Overview on cyber-attacks against cyber physical power system ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 17 ）： 59 - 69 .

张顺，龚怡宏，王进军 . 深度卷积神经网络的发展及其在计算机视觉领域的应用［J］. 计算机学报， 2019 ， 42 （ 3 ）： 453 - 482 .

ZHANG Shun ， GONG Yihong ， WANG Jinjun . The development of deep convolution neural network and its applications on computer vision ［J］. Chinese Journal of Computers ， 2019 ， 42 （ 3 ）： 453 - 482 .

田娟秀，刘国才，谷珊珊，等 . 医学图像分析深度学习方法研究与挑战［J］. 自动化学报， 2018 ， 44 （ 3 ）： 401 - 424 .

TIAN Juanxiu ， LIU Guocai ， GU Shanshan ， et al . Deep learning in medical image analysis and its challenges ［J］. Acta Automatica Sinica ， 2018 ， 44 （ 3 ）： 401 - 424 .

席亮，刘涵，樊好义，等 . 基于深度对抗学习潜在表示分布的异常检测模型［J］. 电子学报， 2021 ， 49 （ 7 ）： 1257 - 1265 .

XI Liang ， LIU Han ， FAN Haoyi ， et al . Deep adversarial learning latent representation distribution model for anomaly detection ［J］. Acta Electronica Sinica ， 2021 ， 49 （ 7 ）： 1257 - 1265 .

杨挺，赵黎媛，王成山 . 人工智能在电力系统及综合能源系统中的应用综述［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 2 - 14 .

YANG Ting ， ZHAO Liyuan ， WANG Chengshan . Review on application of artificial intelligence in power system and integrated energy system ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 2 - 14 .

周念成，廖建权，王强钢，等 . 深度学习在智能电网中的应用现状分析与展望［J］. 电力系统自动化， 2019 ， 43 （ 4 ）： 180 - 191 .

ZHOU Niancheng ， LIAO Jianquan ， WANG Qianggang ， et al . Analysis and prospect of deep learning application in smart grid ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 4 ）： 180 - 191 .

IBRAHIM M S ， DONG W ， YANG Q . Machine learning driven smart electric power systems： current trends and new perspectives ［J］. Applied Energy ， 2020 ， 272 ： 115237 .

SUN C C ， HAHN A ， LIU C C . Cyber security of a power grid： state-of-the-art ［J］. International Journal of Electrical Power & Energy Systems ， 2018 ， 99 ： 45 - 56 .

李泽科，陈泽文，王春艳，等 . 电力监控系统的网络安全威胁溯源技术研究［J］. 电力工程技术， 2020 ， 39 （ 2 ）： 166 - 172 .

LI Zeke ， CHEN Zewen ， WANG Chunyan ， et al . Network security threat tracing technology of power monitoring system ［J］. Electric Power Engineering Technology ， 2020 ， 39 （ 2 ）： 166 - 172 .

WANG W Y ， LU Z . Cyber security in the smart grid： survey and challenges ［J］. Computer Networks ， 2013 ， 57 （ 5 ）： 1344 - 1371 .

国家自然科学基金委员会，中国科学院 . 未来10年中国学科发展战略——数学［M］. 北京：科学出版社， 2012 .

National Natural Science Foundation of China ， Chinese Academy of Sciences . China's disciplinary development strategy for the next 10 years—mathematics ［M］. Beijing ： Science Press ， 2012 .

骆钊，谢吉华，顾伟，等 . 基于SM2密码体系的电网信息安全支撑平台开发［J］. 电力系统自动化， 2014 ， 38 （ 6 ）： 68 - 74 .

LUO Zhao ， XIE Jihua ， GU Wei ， et al . SM2-cryptosystem based information security supporting platform in power grid ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 6 ）： 68 - 74 .

闫龙川，陈智雨，俞学豪，等 . 基于量子密钥分发的新型城镇电力业务安全交互架构［J］. 电力系统自动化， 2020 ， 44 （ 8 ）： 28 - 35 .

YAN Longchuan ， CHEN Zhiyu ， YU Xuehao ， et al . Security interaction framework for electricity service in new-type town based on quantum key distribution ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 8 ）： 28 - 35 .

李祝红，赵灿明，闫龙，等 . 智能电网中电力线通信网络负载均衡的机会路由协议［J］. 计算机应用， 2019 ， 39 （ 3 ）： 812 - 816 .

LI Zhuhong ， ZHAO Canming ， YAN Long ， et al . Load balancing opportunistic routing protocol for power line communication network in smart grids ［J］. Journal of Computer Applications ， 2019 ， 39 （ 3 ）： 812 - 816 .

HUSSAIN S M S ， USTUN T S ， KALAM A . A review of IEC 62351 security mechanisms for IEC 61850 message exchanges ［J］. IEEE Transactions on Industrial Informatics ， 2020 ， 16 （ 9 ）： 5643 - 5654 .

金能，梁宇，邢家维，等 . 提升配电网线路保护可靠性的远方保护及其与就地保护优化配合方案研究［J］. 电工技术学报， 2019 ， 34 （ 24 ）： 5221 - 5233 .

JIN Neng ， LIANG Yu ， XING Jiawei ， et al . Research on remote protection and the optimized coordination scheme of local-remote protection to enhance the protection reliability of the line in distribution network ［J］. Transactions of China Electrotechnical Society ， 2019 ， 34 （ 24 ）： 5221 - 5233 .

KHALAF M ， YOUSSEF A ， EL-SAADANY E . Joint detection and mitigation of false data injection attacks in AGC systems ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 5 ）： 4985 - 4995 .

LIU C S ， LIANG H ， CHEN T W ， et al . Joint admittance perturbation and meter protection for mitigating stealthy FDI attacks against power system state estimation ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 2 ）： 1468 - 1478 .

MOHRI M ， ROSTAMIZADEH A ， TALWALKAR A . Foundations of machine learning ［M］. Cambridge， USA ： MIT Press ， 2018 .

谢娟英，丁丽娟，王明钊 . 基于谱聚类的无监督特征选择算法［J］. 软件学报， 2020 ， 31 （ 4 ）： 1009 - 1024 .

XIE Juanying ， DING Lijuan ， WANG Mingzhao . Spectral clustering based unsupervised feature selection algorithms ［J］. Journal of Software ， 2020 ， 31 （ 4 ）： 1009 - 1024 .

李磊，严正，冯冬涵，等 . 结合主成分分析及生产函数的电网智能技术评价探讨［J］. 电力系统自动化， 2014 ， 38 （ 11 ）： 56 - 61 .

LI Lei ， YAN Zheng ， FENG Donghan ， et al . Discussion on intelligent technology evaluation of electrical power grid based on principal component analysis and production function ［J］. Automation of Electric Power Systems ， 2014 ， 38 （ 11 ）： 56 - 61 .

樊继聪，王友清，秦泗钊 . 联合指标独立成分分析在多变量过程故障诊断中的应用［J］. 自动化学报， 2013 ， 39 （ 5 ）： 494 - 501 .

FAN Jicong ， WANG Youqing ， QIN S Joe . Combined indices for ICA and their applications to multivariate process fault diagnosis ［J］. Acta Automatica Sinica ， 2013 ， 39 （ 5 ）： 494 - 501 .

JAIN A K . Data clustering： 50 years beyond K -means ［J］. Pattern Recognition Letters ， 2010 ， 31 （ 8 ）： 651 - 666 .

张志鹏，李勇，曹一家，等 . 通信和电网联合仿真的配电网局部异常因子故障辨识算法［J］. 电力系统自动化， 2016 ， 40 （ 17 ）： 44 - 50 .

ZHANG Zhipeng ， LI Yong ， CAO Yijia ， et al . A local outlier factor fault identification algorithm based on the co-simulation between cyber and power system for distribution network ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 17 ）： 44 - 50 .

於东军，吴小俊， HANCOCK Edwin R ，等 . 广义SOM及其在人脸性别识别中的应用［J］. 计算机学报， 2011 ， 34 （ 9 ）： 1719 - 1725 .

YU Dongjun ， WU Xiaojun ， HANCOCK E R ， et al . Generalized SOM with application to facial gender identification ［J］. Chinese Journal of Computers ， 2011 ， 34 （ 9 ）： 1719 - 1725 .

KUSNER M J ， PAIGE B ， HERNÁNDEZ-LOBATO J M . Grammar variational autoencoder ［C］// International Conference on Machine Learning ， August 6-11 ， 2017 ， Sydney， Australia ： 1945 - 1954 .

唐滢淇，董树锋，朱承治，等 . 基于Tri-Training-LASSO-BP网络的静态电压稳定裕度在线预测方法［J］. 中国电机工程学报， 2020 ， 40 （ 12 ）： 3824 - 3835 .

TANG Yingqi ， DONG Shufeng ， ZHU Chengzhi ， et al . Online prediction method of static voltage stability margin based on Tri-Training-LASSO-BP network ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 12 ）： 3824 - 3835 .

陆继翔，张琪培，杨志宏，等 . 基于CNN-LSTM混合神经网络模型的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 8 ）： 131 - 137 .

LU Jixiang ， ZHANG Qipei ， YANG Zhihong ， et al . Short-term load forecasting method based on CNN-LSTM hybrid neural network model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 8 ）： 131 - 137 .

SEBER G A F ， LEE A J . Linear regression analysis ［M］. Hoboken， USA ： John Wiley & Sons ， 2003 .

HOSMER D W ， LEMESHOW S ， STURDIVANT R X . Applied logistic regression ［M］. Hoboken， USA ： John Wiley & Sons ， 2013 .

张棪，曹健 . 面向大数据分析的决策树算法［J］. 计算机科学， 2016 ， 43 （增刊1 ）： 374 - 379 .

ZHANG Yan ， CAO Jian . Decision tree algorithms for big data analysis ［J］. Computer Science ， 2016 ， 43 （ Supplement 1 ）： 374 - 379 .

朱军，胡文波 . 贝叶斯机器学习前沿进展综述［J］. 计算机研究与发展， 2015 ， 52 （ 1 ）： 16 - 26 .

ZHU Jun ， HU Wenbo . Recent advances in Bayesian machine learning ［J］. Journal of Computer Research and Development ， 2015 ， 52 （ 1 ）： 16 - 26 .

刘建伟，刘媛，罗雄麟 . 半监督学习方法［J］. 计算机学报， 2015 ， 38 （ 8 ）： 1592 - 1617 .

LIU Jianwei ， LIU Yuan ， LUO Xionglin . Semi-supervised learning methods ［J］. Chinese Journal of Computers ， 2015 ， 38 （ 8 ）： 1592 - 1617 .

ANAND S ， MITTAL S ， TUZEL O ， et al . Semi-supervised kernel mean shift clustering ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2014 ， 36 （ 6 ）： 1201 - 1215 .

郭虎升，王文剑，潘世超 . 基于组合半监督的增量支持向量机学习算法［J］. 模式识别与人工智能， 2016 ， 29 （ 6 ）： 504 - 510 .

GUO Husheng ， WANG Wenjian ， PAN Shichao . Combinatorial semi-supervised incremental support vector machine learning algorithm ［J］. Pattern Recognition and Artificial Intelligence ， 2016 ， 29 （ 6 ）： 504 - 510 .

SUTTON R S ， BARTO A G . Reinforcement learning： an introduction ［J］. IEEE Transactions on Neural Networks ， 1998 ， 9 （ 5 ）： 1054 .

瞿凯平，张孝顺，余涛，等 . 基于知识迁移Q学习算法的多能源系统联合优化调度［J］. 电力系统自动化， 2017 ， 41 （ 15 ）： 18 - 25 .

QU Kaiping ， ZHANG Xiaoshun ， YU Tao ， et al . Knowledge transfer based Q-learning algorithm for optimal dispatch of multi-energy system ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 15 ）： 18 - 25 .

MNIH V ， BADIA A P ， MIRZA M ， et al . Asynchronous methods for deep reinforcement learning ［C］// International Conference on Machine Learning ， June 19-24 ， 2016 ， New York， USA ： 1928 - 1937 .

左松林，陈伟，付真斌，等 . 基于EKF算法的分布式光伏发电异常数据排查技术［J］. 电力工程技术， 2020 ， 39 （ 5 ）： 120 - 125 .

ZUO Songlin ， CHEN Wei ， FU Zhenbin ， et al . Abnormal data inspection technology of photovoltaic power generation based on EKF algorithm ［J］. Electric Power Engineering Technology ， 2020 ， 39 （ 5 ）： 120 - 125 .

DE FINE LICHT J ， BESTA M ， MEIERHANS S ， et al . Transformations of high-level synthesis codes for high-performance computing ［J］. IEEE Transactions on Parallel and Distributed Systems ， 2021 ， 32 （ 5 ）： 1014 - 1029 .

LIU Y ， SUN K ， YAO R ， et al . Power system time domain simulation using a differential transformation method ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 5 ）： 3739 - 3748 .

AZMAN S K ， ISBEIH Y J ， MOURSI M S E ， et al . A unified online deep learning prediction model for small signal and transient stability ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 6 ）： 4585 - 4598 .

李常刚，李华瑞，刘玉田，等 . 大电网动态安全风险智能评估系统［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 67 - 75 .

LI Changgang ， LI Huarui ， LIU Yutian ， et al . Intelligent assessment system for dynamic security risk of large-scale power grid ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 67 - 75 .

CHEN Y ， HUANG S W ， LIU F ， et al . Evaluation of reinforcement learning-based false data injection attack to automatic voltage control ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 2 ）： 2158 - 2169 .

LOU X ， TRAN C ， TAN R ， et al . Assessing and mitigating impact of time delay attack： a case study for power grid frequency control ［C］// Proceedings of the 10th ACM/IEEE International Conference on Cyber-Physical Systems ， April 16-18 ， 2019 ， Montreal， Canada ： 207 - 216 .

HAO J P ， PIECHOCKI R J ， KALESHI D ， et al . Sparse malicious false data injection attacks and defense mechanisms in smart grids ［J］. IEEE Transactions on Industrial Informatics ， 2015 ， 11 （ 5 ）： 1 - 12 .

KONSTANTINOU C ， MANIATAKOS M . A data-based detection method against false data injection attacks ［J］. IEEE Design & Test ， 2020 ， 37 （ 5 ）： 67 - 74 .

ADHIKARI U ， MORRIS T H ， PAN S Y . Applying Hoeffding adaptive trees for real-time cyber-power event and intrusion classification ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 5 ）： 4049 - 4060 .

ZHAO Y ， CHEN J S ， POOR H V . A learning-to-infer method for real-time power grid multi-line outage identification ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 1 ）： 555 - 564 .

YU J J Q ， HOU Y H ， LI V O K . Online false data injection attack detection with wavelet transform and deep neural networks ［J］. IEEE Transactions on Industrial Informatics ， 2018 ， 14 （ 7 ）： 3271 - 3280 .

WANG S Y ， BI S Z ， ZHANG Y J A . Locational detection of the false data injection attack in a smart grid： a multilabel classification approach ［J］. IEEE Internet of Things Journal ， 2020 ， 7 （ 9 ）： 8218 - 8227 .

ZHANG Y ， WANG J H ， CHEN B . Detecting false data injection attacks in smart grids： a semi-supervised deep learning approach ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 1 ）： 623 - 634 .

ISMAIL M ， SHAHIN M ， SHAABAN M F ， et al . Efficient detection of electricity theft cyber attacks in AMI networks ［C］// 2018 IEEE Wireless Communications and Networking Conference （WCNC）， April 15-18 ， 2018 ， Barcelona， Spain .

ANWAR A ， MAHMOOD A N ， TARI Z . Identification of vulnerable node clusters against false data injection attack in an AMI based smart grid ［J］. Information Systems ， 2015 ， 53 ： 201 - 212 .

ESMALIFALAK M ， NGUYEN H ， ZHENG R ， et al . A stealthy attack against electricity market using independent component analysis ［J］. IEEE Systems Journal ， 2018 ， 12 （ 1 ）： 297 - 307 .

DENG Y Y ， ZHU K ， WANG R ， et al . Real-time detection of false data injection attacks based on load forecasting in smart grid ［C］// 2019 IEEE International Conference on Communications， Control， and Computing Technologies for Smart Grids （SmartGridComm）， October 21-23 ， 2019 ， Beijing， China .

HE Y B ， MENDIS G J ， WEI J . Real-time detection of false data injection attacks in smart grid： a deep learning-based intelligent mechanism ［J］. IEEE Transactions on Smart Grid ， 2017 ， 8 （ 5 ）： 2505 - 2516 .

LIU Y ， NING P ， REITER M K . False data injection attacks against state estimation in electric power grids ［J］. ACM Transactions on Information and System Security ， 2011 ， 14 （ 1 ）： 1 - 33 .

CHIN W L ， LEE C H ， JIANG T . Blind false data attacks against AC state estimation based on geometric approach in smart grid communications ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 6 ）： 6298 - 6306 .

赵海峰，张亚，李世中 . 侵彻过载信号的欠定盲源分离与特征提取［J］. 仪器仪表学报， 2019 ， 40 （ 10 ）： 208 - 218 .

ZHAO Haifeng ， ZHANG Ya ， LI Shizhong . Undetermined blind source separation and feature extraction of penetration overload signals ［J］. Chinese Journal of Scientific Instrument ， 2019 ， 40 （ 10 ）： 208 - 218 .

YU Z H ， CHIN W L . Blind false data injection attack using PCA approximation method in smart grid ［J］. IEEE Transactions on Smart Grid ， 2015 ， 6 （ 3 ）： 1219 - 1226 .

田继伟，王布宏，尚福特 . 基于鲁棒主成分分析的智能电网虚假数据注入攻击［J］. 计算机应用， 2017 ， 37 （ 7 ）： 1943 - 1947 .

TIAN Jiwei ， WANG Buhong ， SHANG Fute . False data injection attacks based on robust principal component analysis in smart grid ［J］. Journal of Computer Applications ， 2017 ， 37 （ 7 ）： 1943 - 1947 .

李元诚，邱日轩，曾婧 . 基于核主成分分析的智能电网盲在线虚假数据注入攻击［J］. 电网技术， 2018 ， 42 （ 7 ）： 2270 - 2278 .

LI Yuancheng ， QIU Rixuan ， ZENG Jing . Blind online false data injection attack using kernel principal component analysis in smart grid ［J］. Power System Technology ， 2018 ， 42 （ 7 ）： 2270 - 2278 .

JIAO R H ， XUN G Y ， LIU X ， et al . A new AC false data injection attack method without network information ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 6 ）： 5280 - 5289 .

ZHANG Z Y ， DENG R L ， YAU D K Y ， et al . Analysis of moving target defense against false data injection attacks on power grid ［J］. IEEE Transactions on Information Forensics and Security ， 2020 ， 15 ： 2320 - 2335 .

HIGGINS M ， TENG F ， PARISINI T . Stealthy MTD against unsupervised learning-based blind FDI attacks in power systems ［J］. IEEE Transactions on Information Forensics and Security ， 2020 ， 16 ： 1275 - 1287 .

陈雷，甘士忠，张立毅，等 . 基于样条插值与人工蜂群优化的非线性盲源分离算法［J］. 通信学报， 2017 ， 38 （ 7 ）： 36 - 46 .

CHEN Lei ， GAN Shizhong ， ZHANG Liyi ， et al . Nonlinear blind source separation algorithm based on spline interpolation and artificial bee colony optimization ［J］. Journal on Communications ， 2017 ， 38 （ 7 ）： 36 - 46 .

KABASHIMA Y ， KRZAKALA F ， MÉZARD M ， et al . Phase transitions and sample complexity in Bayes-optimal matrix factorization ［J］. IEEE Transactions on Information Theory ， 2016 ， 62 （ 7 ）： 4228 - 4265 .

YE C ， TOYODA K ， OHTSUKI T . Blind source separation on non-contact heartbeat detection by non-negative matrix factorization algorithms ［J］. IEEE Transactions on Biomedical Engineering ， 2020 ， 67 （ 2 ）： 482 - 494 .

NI Z ， PAUL S . A multistage game in smart grid security： a reinforcement learning solution ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2019 ， 30 （ 9 ）： 2684 - 2695 .

PAUL S ， HAQ M R ， DAS A ， et al . A comparative study of smart grid security based on unsupervised learning and load ranking ［C］// 2019 IEEE International Conference on Electro Information Technology （EIT）， May 20-22 ， 2019 ， Brookings， USA ： 310 - 315 .

HINES P ， COTILLA-SANCHEZ E ， BLUMSACK S . Do topological models provide good information about electricity infrastructure vulnerability？［J］. Chaos ， 2010 ， 20 （ 3 ）： 033122 .

YAN J ， ZHU Y H ， HE H B ， et al . Multi-contingency cascading analysis of smart grid based on self-organizing map ［J］. IEEE Transactions on Information Forensics and Security ， 2013 ， 8 （ 4 ）： 646 - 656 .

YAN J ， HE H B ， ZHONG X N ， et al . Q-learning-based vulnerability analysis of smart grid against sequential topology attacks ［J］. IEEE Transactions on Information Forensics and Security ， 2017 ， 12 （ 1 ）： 200 - 210 .

王琦，邰伟，汤奕，等 . 面向电力信息物理系统的虚假数据注入攻击研究综述［J］. 自动化学报， 2019 ， 45 （ 1 ）： 72 - 83 .

WANG Qi ， TAI Wei ， TANG Yi ， et al . A review on false data injection attack toward cyber-physical power system ［J］. Acta Automatica Sinica ， 2019 ， 45 （ 1 ）： 72 - 83 .

WU M ， XIE L . Online detection of low-quality synchrophasor measurements： a data-driven approach ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 4 ）： 2817 - 2827 .

WU T ， ZHANG Y J A ， TANG X Y . Isolation forest based method for low-quality synchrophasor measurements and early events detection ［C］// 2018 IEEE International Conference on Communications， Control， and Computing Technologies for Smart Grids （SmartGridComm）， October 29-31 ， 2018 ， Aalborg， Denmark .

MAHAPATRA K ， CHAUDHURI N R ， KAVASSERI R G ， et al . Online analytical characterization of outliers in synchrophasor measurements： a singular value perturbation viewpoint ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 4 ）： 3863 - 3874 .

ZHANG Y ， YAN J . Domain-adversarial transfer learning for robust intrusion detection in the smart grid ［C］// IEEE International Conference on Communications， Control， and Computing Technologies for Smart Grids （SmartGridComm）， October 21-23 ， 2019 ， Beijing， China .

ADHIKARI U ， MORRIS T H ， PAN S Y . Applying non-nested generalized exemplars classification for cyber-power event and intrusion detection ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 5 ）： 3928 - 3941 .

WILSON D ， TANG Y F ， YAN J ， et al . Deep learning-aided cyber-attack detection in power transmission systems ［C］// 2018 IEEE Power & Energy Society General Meeting （PESGM）， August 5-10 ， 2018 ， Portland， USA .

杨智伟，刘灏，毕天姝，等 . 基于长短期记忆网络的PMU不良数据检测方法［J］. 电力系统保护与控制， 2020 ， 48 （ 7 ）： 1 - 9 .

YANG Zhiwei ， LIU Hao ， BI Tianshu ， et al . PMU bad data detection method based on long short-term memory network ［J］. Power System Protection and Control ， 2020 ， 48 （ 7 ）： 1 - 9 .

ANWAR A ， MAHMOOD A ， RAY B ， et al . Machine learning to ensure data integrity in power system topological network database ［J］. Electronics ， 2020 ， 9 （ 4 ）： 693 .

HU C M ， YAN J ， WANG C . Advanced cyber-physical attack classification with extreme gradient boosting for smart transmission grids ［C］// 2019 IEEE Power & Energy Society General Meeting （PESGM）， August 4-8 ， 2019 ， Atlanta， USA .

WANG D F ， WANG X J ， ZHANG Y ， et al . Detection of power grid disturbances and cyber-attacks based on machine learning ［J］. Journal of Information Security and Applications ， 2019 ， 46 ： 42 - 52 .

KURT M N ， OGUNDIJO O ， LI C ， et al . Online cyber-attack detection in smart grid： a reinforcement learning approach ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 5 ）： 5174 - 5185 .

OZAY M ， ESNAOLA I ， YARMAN VURAL F T ， et al . Smarter security in the smart grid ［C］// 2012 IEEE Third International Conference on Smart Grid Communications （SmartGridComm）， November 5-8 ， 2012 ， Tainan， China ： 312 - 317 .

OZAY M ， ESNAOLA I ， YARMAN VURAL F T ， et al . Machine learning methods for attack detection in the smart grid ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2016 ， 27 （ 8 ）： 1773 - 1786 .

KHALID H M ， PENG J C H . A Bayesian algorithm to enhance the resilience of WAMS applications against cyber attacks ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 4 ）： 2026 - 2037 .

ASHRAFUZZAMAN M ， CHAKHCHOUKH Y ， JILLEPALLI A A ， et al . Detecting stealthy false data injection attacks in power grids using deep learning ［C］// 2018 14th International Wireless Communications & Mobile Computing Conference （IWCMC）， June 25-29 ， 2018 ， Limassol， Cyprus ： 219 - 225 .

ASHRAFUZZAMAN M ， DAS S ， CHAKHCHOUKH Y ， et al . Detecting stealthy false data injection attacks in the smart grid using ensemble-based machine learning ［J］. Computers & Security ， 2020 ， 97 ： 101994 .

CANDÈS E J ， LI X D ， MA Y ， et al . Robust principal component analysis？［J］. Journal of the ACM ， 2011 ， 58 （ 3 ）： 1 - 37 .

MOHAMMADPOURFARD M ， SAMI A ， SEIFI A R . A statistical unsupervised method against false data injection attacks： a visualization-based approach ［J］. Expert Systems With Applications ， 2017 ， 84 ： 242 - 261 .

KUNDU A . Deep learning techniques for detection of false data injection attacks on electric power grid ［D］. Texas， USA ： Texas A&M University ， 2019 .

AN D ， YANG Q Y ， LIU W M ， et al . Defending against data integrity attacks in smart grid： a deep reinforcement learning-based approach ［J］. IEEE Access ， 2019 ， 7 ： 110835 - 110845 .

ABDELAZIZ A Y ， MEKHAMER S F ， EZZAT M ， et al . Line outage detection using support vector machine （SVM） based on the phasor measurement units （PMUs） technology ［C］// 2012 IEEE Power and Energy Society General Meeting ， July 22-26 ， 2012 ， San Diego， USA .

GARCIA M ， CATANACH T ， WIEL S V ， et al . Line outage localization using phasor measurement data in transient state ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 4 ）： 3019 - 3027 .

IBRAHIM A M ， EZZAT M ， ABDELAZIZ A Y . Performance comparison of classification methods for line outage detection ［C］// 2016 Eighteenth International Middle East Power Systems Conference （MEPCON）， December 27-29 ， 2016 ， Cairo， Egypt ： 26 - 32 .

康宁宁，李川，曾虎，等 . 采用FCM聚类与改进SVR模型的窃电行为检测［J］. 电子测量与仪器学报， 2017 ， 31 （ 12 ）： 2023 - 2029 .

KANG Ningning ， LI Chuan ， ZENG Hu ， et al . Electric larceny detectionusing FCM clustering and improved SVR model ［J］. Journal of Electronic Measurement and Instrumentation ， 2017 ， 31 （ 12 ）： 2023 - 2029 .

AVILA N F ， FIGUEROA G ， CHU C C . NTL detection in electric distribution systems using the maximal overlap discrete wavelet-packet transform and random undersampling boosting ［C］// 2019 IEEE Power & Energy Society General Meeting （PESGM）， August 4-8 ， 2019 ， Atlanta， USA .

ZHENG Z B ， YANG Y T ， NIU X D ， et al . Wide and deep convolutional neural networks for electricity-theft detection to secure smart grids ［J］. IEEE Transactions on Industrial Informatics ， 2018 ， 14 （ 4 ）： 1606 - 1615 .

BUZAU M M ， TEJEDOR-AGUILERA J ， CRUZ-ROMERO P ， et al . Hybrid deep neural networks for detection of non-technical losses in electricity smart meters ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 2 ）： 1254 - 1263 .

ISMAIL M ， SHAABAN M F ， NAIDU M ， et al . Deep learning detection of electricity theft cyber-attacks in renewable distributed generation ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 3428 - 3437 .

LEON C ， BISCARRI F ， MONEDERO I ， et al . Variability and trend-based generalized rule induction model to NTL detection in power companies ［J］. IEEE Transactions on Power Systems ， 2011 ， 26 （ 4 ）： 1798 - 1807 .

VIEGAS J L ， ESTEVES P R ， VIEIRA S M . Clustering-based novelty detection for identification of non-technical losses ［J］. International Journal of Electrical Power & Energy Systems ， 2018 ， 101 ： 301 - 310 .

王桂兰，周国亮，赵洪山，等 . 大规模用电数据流的快速聚类和异常检测技术［J］. 电力系统自动化， 2016 ， 40 （ 24 ）： 27 - 33 .

WANG Guilan ， ZHOU Guoliang ， ZHAO Hongshan ， et al . Fast clustering and anomaly detection technique for large-scale power data stream ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 24 ）： 27 - 33 .

杜章华，苏盛，刘正谊，等 . 基于生产经营状态识别的低误报率窃电检测二次筛查方法［J］. 电力系统自动化， 2021 ， 45 （ 2 ）： 97 - 104 .

DU Zhanghua ， SU Sheng ， LIU Zhengyi ， et al . Second inspection method for electricity theft detection with low false alarm rate based on identification of production and operation status ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 2 ）： 97 - 104 .

LU X Q ， ZHOU Y ， WANG Z D ， et al . Knowledge embedded semi-supervised deep learning for detecting non-technical losses in the smart grid ［J］. Energies ， 2019 ， 12 （ 18 ）： 3452 .

ZHANG Y C ， WANG L F ， SUN W Q ， et al . Distributed intrusion detection system in a multi-layer network architecture of smart grids ［J］. IEEE Transactions on Smart Grid ， 2011 ， 2 （ 4 ）： 796 - 808 .

ZHANG Z H ， GONG S P ， DIMITROVSKI A D ， et al . Time synchronization attack in smart grid： impact and analysis ［J］. IEEE Transactions on Smart Grid ， 2013 ， 4 （ 1 ）： 87 - 98 .

CUI Y ， BAI F F ， LIU Y L ， et al . Spatio-temporal characterization of synchrophasor data against spoofing attacks in smart grids ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 5 ）： 5807 - 5818 .

LIU S Y ， YOU S T ， YIN H ， et al . Model-free data authentication for cyber security in power systems ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 5 ）： 4565 - 4568 .

KHANNA K ， PANIGRAHI B K ， JOSHI A . AI-based approach to identify compromised meters in data integrity attacks on smart grid ［J］. IET Generation ， Transmission & Distribution， 2018 ， 12 （ 5 ）： 1052 - 1066 .

CUI M J ， WANG J H ， YUE M . Machine learning-based anomaly detection for load forecasting under cyberattacks ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 5 ）： 5724 - 5734 .

CHEN G ， DONG Z Y ， HILL D J ， et al . Exploring reliable strategies for defending power systems against targeted attacks ［J］. IEEE Transactions on Power Systems ， 2011 ， 26 （ 3 ）： 1000 - 1009 .

麻建中，胡凯波，於立峰 . 工控运维中基于语义分析的智能电网控制攻击防御［J］. 中国电力， 2020 ， 53 （ 9 ）： 214 - 220 .

MA Jianzhong ， HU Kaibo ， YU Lifeng . Smart grid control attack defense based on semantic analysis in industrial control operation and maintenance ［J］. Electric Power ， 2020 ， 53 （ 9 ）： 214 - 220 .

HAO Y S ， WANG M ， CHOW J H ， et al . Modelless data quality improvement of streaming synchrophasor measurements by exploiting the low-rank Hankel structure ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 6 ）： 6966 - 6977 .

AHMED S ， LEE Y ， HYUN S H ， et al . Mitigating the impacts of covert cyber attacks in smart grids via reconstruction of measurement data utilizing deep denoising autoencoders ［J］. Energies ， 2019 ， 12 （ 16 ）： 3091 .

LI Y C ， WANG Y Y ， HU S Y . Online generative adversary network based measurement recovery in false data injection attacks： a cyber-physical approach ［J］. IEEE Transactions on Industrial Informatics ， 2020 ， 16 （ 3 ）： 2031 - 2043 .

MESTAV K R ， LUENGO-ROZAS J ， TONG L . Bayesian state estimation for unobservable distribution systems via deep learning ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 6 ）： 4910 - 4920 .

盖杉，鲍中运 . 基于深度学习的高噪声图像去噪算法［J］. 自动化学报， 2020 ， 46 （ 12 ）： 2672 - 2680 .

GAI Shan ， BAO Zhongyun . High noise image denoising algorithm based on deep learning ［J］. Acta Automatica Sinica ， 2020 ， 46 （ 12 ）： 2672 - 2680 .

GE Q Y ， JIAO C Q . Mitigating the impacts of false data injection attacks in smart grids using deep convolutional neural networks ［C］// 2020 IEEE 10th International Conference on Electronics Information and Emergency Communication （ICEIEC）， July 17-19 ， 2020 ， Beijing， China ： 174 - 177 .

FAWZI H ， TABUADA P ， DIGGAVI S . Secure estimation and control for cyber-physical systems under adversarial attacks ［J］. IEEE Transactions on Automatic Control ， 2014 ， 59 （ 6 ）： 1454 - 1467 .

YAN R ， GENG G C ， JIANG Q Y ， et al . Fast transient stability batch assessment using cascaded convolutional neural networks ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 4 ）： 2802 - 2813 .

BUSONIU L ， BABUSKA R ， DE SCHUTTER B . A comprehensive survey of multiagent reinforcement learning ［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part C （Applications and Reviews）， 2008 ， 38 （ 2 ）： 156 - 172 .

沈珺，柳伟，李虎成，等 . 基于强化学习的多微电网分布式二次优化控制［J］. 电力系统自动化， 2020 ， 44 （ 5 ）： 198 - 206 .

SHEN Jun ， LIU Wei ， LI Hucheng ， et al . Reinforcement learning based distributed secondary optimal control for multiple microgrids ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 5 ）： 198 - 206 .

WEI F R ， WAN Z Q ， HE H B . Cyber-attack recovery strategy for smart grid based on deep reinforcement learning ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 3 ）： 2476 - 2486 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Review and Prospect of Explainable Artificial Intelligence and Its Application in Power Systems

False Data Injection Attack and Its Detection Method for Interactive Demand Response

Refined Transient Stability Evaluation for Power System Based on Ensemble Deep Belief Network

人工智能在电力系统及综合能源系统中的应用综述

Related Author

WANG Xiaojun

DOU Jiaming

LIU Zhao

LIU Changyu

PU Tianjiao

HE Jinghan

Liudong CHEN

Nian LIU

Related Institution

School of Electrical Engineering, Beijing Jiaotong University

China Electric Power Research Institute

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electrical Power University)

Key Laboratory of the Ministry of Education on Smart Power Grids(Tianjin University)

School of Electrical and Information Engineering, Tianjin University

⁰