基于NPformer的静态虚假数据注入攻击检测方法及其在智能配电网储能系统荷电状态估计中的应用

2026-07-01 20:55:59

电荷状况(SoC)的预算关于电池储能体系保障其安全性、安稳性至关重要，而电池储能体系的SoC预算 %%智能电网中的电池储能体系（BESSs）配电网络(SDNs)关于电力体系的控制与运转至关重要。虚伪数据注入进犯(FDIAs)可以躲避，然后影响电池储能体系（BESS）的荷电状况（SoC）估量。现有根据模型的检测办法需手动核算阈值，为此本文提出一种根据NPformer的软件界说网络（SDN）中BESS虚伪数据注入进犯（FDIA）检测办法。该办法根据多标准C叉树构建金字塔注意力模型，以探究时刻序列的多分辨率表征。随后经过神经架构查找主动优化NPformer网络结构，最终获得高效检测模型。咱们选用配备BESS的IEEE13和IEEE33总线体系评价所提办法性能。相较于Transformer与长短期回忆网络自编码器 试验结果表明，所提办法对短时运用的检测准确率更高。该办法的检测准确率达到97%。, the experimental results show that the proposed method has higher detection accuracy for close-time use. The proposed method has a detection accuracy of 97 %.

图文摘要

电池储能体系(BESSs)可以消除分布式动力发电的波动性、提高电能质量，并增强智能配电网(SDNs)的灵活性与牢靠性[1]。作为重要储能元件，电池的荷电状况(SoC)直接影响BESSs的安稳运转[2]。传统上，BESSs的SoC预算通常在电池管理体系(BMS)中完结。跟着BESSs的遍及与物联网技术的开展，BMS正逐步集成物联网与云核算技术，以保证BESSs获得安全、牢靠且精确的SoC预算[[3],[4],[5]]。当前BESSs已演变为杂乱的网络物理体系。但是这也导致BESSs面临严峻的歹意网络进犯威胁，例如随机延迟进犯、中间人进犯、虚伪数据注入进犯(FDIAs)、SQL注入进犯、拒绝服务进犯等[6]。值得注意的是，虚伪数据注入进犯（FDIAs）经过向方针数据注入虚伪信息完成进犯，这与故障存在本质区别。传感器故障、通信故障等现象通常由硬件缺点引发。
虚伪数据注入进犯(FDIAs)可以躲避配电网状况估量(DSSE)的不良数据检测(BDD)，然后导致电池储能体系(BESSs)发生虚伪的荷电状况(SoC)估量。过错的SoC估量或许引发BESSs过充或过放，形成电池老化、体系损坏，甚至引发火灾或爆破。这些都将严峻影响软件界说网络(SDNs)的安全、安稳及经济运转[7]。例如，2015年一位前美国国家安全局(NSA)研究人员曾使用电池管理体系(BMS)传输低SoC信号。该行为致使BESSs违反机电安全要求执行充放电控制，然后危及SDNs的安全安稳运转[6]。因而，针对BESSs的SoC估量开展有用的FDIAs检测，对保障SDNs牢靠运转具有重要意义。
近年来，虚伪数据注入进犯(FDIAs)已引起国内外学者的广泛关注。Y. Li等人[8]提出了一种交融理想测量捕获与生成对抗网络办法的网络物理模型以防护FDIAs。文献[9]选用自适应扩展卡尔曼滤波(EKF)算法预算单体电池的荷电状况(SoC)，并经过核算揣度办法评价电压残差以判定FDIAs的存在性。文献[10]经过在传感器组中叠加数据构建进犯模型，然后选用基数检测器分析可检测进犯的有限范围。Obrien V团队提出将EKF预算的先验残差数据引进累积和算法，以获得模型的最小检测直径，该计划可检测小幅度的虚伪计数数据注入进犯[11]。在文献[12]中，选用累积求和法、根据物理的模型以及EKF算法对串联电池组的SoC进行精确估量，然后完成对单体电池和仓库电压传感器的随机虚伪数据注入进犯（FDIAs）检测。针对电池储能体系（BESSs）中SoC估量面临的FDIAs问题，文献[13]提出了一种改善的移动方针防护办法，为静态FDIAs供给主动防护。Z. Liu等人则提出根据Transformer的改善生成对抗网络（GAN）办法，用于对电池储能体系中的FDIAs实施被动防护[14]。庄鹏等人针对软件界说网络（SDNs）中BESSs的SoC估量问题，提出了一种可以躲避传统动态状况估量（DSSE）中坏数据检测（BDD）的静态FDIAs进犯模型，随后又提出根据残差的检测办法[6]。但是，该办法阈值设定需要进行杂乱的人工核算与确认。
因而，受FDIAs智能检测算法启发，本文立异性地提出一种用于SDNs中BESSs的FDIAs检测办法——NAS-金字塔-Transformer（NPformer）。本文主要奉献如下：（i）为防止现有根据阈值检测办法中杂乱的核算过程，咱们立异性地提出一种机器学习办法来检测FDIAs。（ii）将根据C-ary树的金字塔注意力模型与神经架构查找相结合，以更好地学习测量数据的时空特征。（iii）防止传统机器学习办法杂乱的手动调参过程，完成最优模型参数的主动设置。