CN115459708B - 一种DoS攻击下多区域光伏发电***的故障检测方法 - Google Patents
一种DoS攻击下多区域光伏发电***的故障检测方法 Download PDFInfo
- Publication number
- CN115459708B CN115459708B CN202211034172.1A CN202211034172A CN115459708B CN 115459708 B CN115459708 B CN 115459708B CN 202211034172 A CN202211034172 A CN 202211034172A CN 115459708 B CN115459708 B CN 115459708B
- Authority
- CN
- China
- Prior art keywords
- fault detection
- power generation
- dos attack
- photovoltaic power
- generation system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 89
- 238000010248 power generation Methods 0.000 title claims abstract description 53
- 238000005259 measurement Methods 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 230000005540 biological transmission Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000003416 augmentation Effects 0.000 claims description 19
- 230000003190 augmentative effect Effects 0.000 claims description 15
- 230000007958 sleep Effects 0.000 claims description 14
- 230000005059 dormancy Effects 0.000 claims description 10
- 238000011897 real-time detection Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
- H04L63/1458—Denial of Service
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Operations Research (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明的目的在于提供一种DoS攻击下多区域光伏发电***的故障检测方法，属于光伏发电领域。该检测方法基于DoS攻击的先验信息，设定弹性事件触发数据传输策略，并基于该信息传输策略对传统测量方程进行修正，同时设计相适应的故障检测滤波器和残差评价函数，基于残差评价函数完成对故障的检测。该故障检测方法实现了在DoS攻击的影响下仍能实现故障检测，同时减少了对网络带宽的占用。
Description
技术领域
本发明属于光伏发电领域，涉及光伏发电***的故障检测方法，具体涉及一种基于弹性事件触发策略的DoS攻击下多区域光伏发电***的故障检测方法。
背景技术
作为一种清洁能源，太阳能已经逐渐被利用于发电行业，其中光伏产业正吸引着世界各国的注意，光伏发电具有巨大的潜力，世界各地大量的政策导向、资金供应、技术支持均向其倾斜。多区域光伏发电***是众多光伏发电产业结构中的一种，其可靠性是安全发电的基石。在网络化的结构中，以DoS攻击为代表的恶意网络攻击能够对***的通讯造成巨大的影响，现有技术常通过采用弹性事件触发传输机制以缓和DoS攻击的影响，但DoS攻击的随机性和突发性增加了故障检测的难度，破坏了故障检测***的稳定性，以往的研究及技术方法[1][2]多针对DoS攻击存在时的安全控制问题进行研究，而如何在该种攻击下进行故障检测是以往未被考虑的问题。
因此，基于提高***的安全性及可靠性、同时减少信息传输网络的压力等多重目标，结合弹性事件触发机制，探究在DoS攻击的影响下，对多区域光伏发电***进行故障检测问题是十分必要的。
[1]李铁山,杨寒卿,龙跃,陈俊龙.一种DoS攻击下的交直流微电网集群***控制方法[P].四川省：CN113824161B,2022-06-03.
[2]翁盛煊,孙振峰,岳东,吴凯.非周期性Dos攻击下的电力***分布式经济调度方法[P].江苏省：CN114336782A,2022-04-12.
发明内容
针对背景技术所存在的问题，本发明的目的在于提供一种DoS攻击下多区域光伏发电***的故障检测方法。该检测方法基于DoS攻击的先验信息，设定弹性事件触发数据传输策略，并基于该信息传输策略对传统测量方程进行修正，同时设计相适应的故障检测滤波器和残差评价函数，基于残差评价函数完成对故障的检测。该故障检测方法实现了在DoS攻击的影响下仍能实现故障检测，同时减少了对网络带宽的占用。
为实现上述目的，本发明的技术方案如下：
一种DoS攻击下多区域光伏发电***的故障检测方法，包括以下步骤：
步骤1：利用光伏发电***各区域采集到的发电电流、回路电流和功率信息，考虑各区域光伏发电***的非线性特性、互联性，构建光伏发电***各子***的状态空间模型，包括各区域的状态方程及测量方程；
步骤2：在步骤1构建的状态空间模型的基础上，构建多区域光伏发电***的增广模型，包括增广状态方程及增广测量方程；
步骤3：确定DoS攻击的先验信息，设定弹性事件触发数据传输策略，并基于该信息传输策略，修正步骤2中的增广测量方程；
步骤4：根据步骤3修正后的增广测量方程构建相应的有限频故障检测滤波器；
步骤5：根据步骤1中测量方程与步骤4中的故障检测滤波器中测量方程构造残差，并获得误差***；
步骤6：判断DoS攻击是否可以被检测，如果可以被检测，则计算得出步骤4构建的有限频故障检测滤波器的增益矩阵，并使得步骤5构造的残差对扰动具有鲁棒性，并对故障具有敏感性；如果不可以被检测，则增加约束条件，使得构建的故障检测滤波器的增益矩阵对扰动具有鲁棒性，并对故障具有敏感性；
步骤7：基于步骤6得到的故障检测滤波器的增益矩阵与步骤5构造的残差，设计残差评价函数；
步骤8：根据实际需求，基于步骤7得到的残差评价函数及DoS攻击对其影响的经验值，制定阈值及报警策略，即实时检测得到的残差评价函数值大于预先设定的残差评价函数阈值，则报警；否则不报警，从而完成故障检测。
进一步地，步骤1中建立状态空间模型的具体过程为：
状态方程：
测量方程：ya(t)＝Caxa(t)
其中，角标为多区域光伏发电***的子***编号，xa(t)代表a区域光伏发电***的状态向量，xa(t)＝col{xa1(t),xa2(t)}，xa1(t)代表发电电流，xa2(t)代表回路电流；ya(t)代表a区域光伏发电***的可测输出功率，ωa(t)代表a区域光伏发电***的随机扰动，fa(t)代表a区域光伏发电***的***故障，Fa(x1(t),...xN(t))代表子***内部及子***间耦合的未知有界非线性特性；矩阵Aaa、Hja、Bωa、B'a、B1a、Ca均为已知的***矩阵，/>表示求导。
进一步地，步骤2中构建增广模型的具体过程为：
增广状态方程：
增广测量方程：y(t)＝Cx(t)，
其中，x(t)代表N区域光伏发电***的增广状态向量，y(t)为***的增广测量方程，x(t)＝col{x11(t),x12(t),x21(t),x22(t),...,xN1(t),xN2(t)}，y(t)＝col{y1(t),...yN(t)}，A,Bω,B1,B',C均为系数矩阵，
Bω＝diag[Bω1,Bω2,...,BωN],B′＝diag[B′1,B′2,...,B′N],
B1＝diag[B11,B12,...,B1N]
进一步地，步骤3的具体过程为：
基于DoS攻击的先验信息设定弹性事件触发的信息传输策略，具体形式为：
其中，tq代表第q次传输时刻，h为采样时间，为第q次传输时刻后的第p次采样时刻，Θ为加权矩阵，μ、s、β均为可调事件触发参数，/>代表实时输出功率与事件触发策略下最新测得的输出功率测量值y(tqh)的差值，/>Ω(t)为动态参量，On代表DoS攻击的第n次休眠时段，bn代表DoS攻击的第n次攻击时段Dn的结束时刻，(·)T表示转置，Ω、δ代表中间过程量；
在此基础上，***的测量方程有着如下的改变：
其中，dq弹性为事件触发判断机制到传感器之间的传输时延，(·)代表实际的测量值。
进一步地，步骤3中DoS攻击的先验信息包括时刻t0到时刻t的范围内，其攻击时段及休眠时段的平均驻留时间限制，具体为：其中n0和n1为常数，NF(t,t0)、ND(t,t0)为DoS攻击及休眠的次数，Δ0(t,t0)、Δ1(t,t0)为DoS攻击及休眠时段的总时长，τF、τD为DoS攻击及休眠的平均驻留时长。
进一步地，步骤4中有限频故障检测滤波器的具体形式为：
休眠时段
攻击时段
其中，xf(t),yf(t)分别为有限频故障检测滤波器的状态向量和测量输出，Af1、Bf1、Cf1、Af2、Cf2分别代表限频故障检测滤波器的待定增益。
进一步地，步骤5的具体过程为：
根据步骤1和步骤4中的测量方程构造误差r(t)，r(t)＝y(t)-yf(t)，
误差增广***为：
休眠时段
攻击时段
其中，
进一步地，步骤6的具体过程为：
当DoS攻击可以被检测时，
故障检测滤波器的增益矩阵包括Af1,Af2,Bf1,Cf1,Cf2，其中，
N,M为相关矩阵，为增益信息矩阵；
基于弹性事件触发策略的故障检测滤波器，当具备H∞性能γ1及H-性能γ2两项指标的故障检测滤波器存在时，增益信息矩阵应使对于所述的扰动信号和故障信号，下式成立，
当DoS攻击无法被检测时，即DoS攻击的休眠和攻击时段未知的情况，在步骤6的计算过程中加入约束条件，使得所设计的故障检测滤波器仍能够保持对扰动的鲁棒性及对故障的敏感性：
Af1＝Af2,Cf1＝Cf2。
进一步地，步骤7中残差评价函数Jr(t)的具体形式为：
其中，t为检测时长.
进一步地，步骤8的具体过程为：
设定残差评价函数的阈值形式，
其中，ΔJDoS是在满足步骤3先验条件的DoS攻击实验下Jr *(t)的变化极值，表示无故障、无攻击时函数的最大值；
因此，多区域互联光伏发电***的故障检测的策略为：实时检测得到的残差评价函数值大于残差评价函数的阈值，则报警；否则不报警；其表达式为：
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明技术方案在***建模方面，利用非线性互联***对其进行描述，综合考虑了***的子***内部非线性及子***间耦合非线性；在***的安全性方面，为了缓解DoS攻击对检测的影响，采用弹性事件触发传输策略，在满足无攻击时信息准确传递的同时，减少了传输过程中能量的损耗，更为重要的是在攻击结束时刻直接将信息传输至检测端，增加对DoS攻击的容忍性；在故障检测方面，为了提高本技术方案的可拓展性，在DoS攻击无法被实时检测时，增加了一定的约束使得故障检测***仍能够应对不可检测DoS攻击带来的影响并在第一时间检测故障。
附图说明
图1为本发明的故障检测方法的流程图。
图2为一个DoS攻击序列的示意图。
图3为本发明的低频故障检测方法的示意图(故障频率取10Hz)；
其中，(a)为故障检测残差示意图，(b)为故障检测残差评价函数示意图。
图4为本发明的高频故障检测方法的示意图(故障频率取1500Hz)；
其中，(a)为故障检测残差示意图，(b)为故障检测残差评价函数示意图。
图5为本发明的小幅故障检测方法的示意图(故障幅值取0.2)；
其中，(a)为故障检测残差示意图，(b)为故障检测残差评价函数示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。
图1为本发明的故障检测方法的流程图，如图1所示，本发明公开了一种DoS攻击下多区域光伏发电***的故障检测方法，具体包括如下步骤：
步骤1:利用多区域互联光伏发电***各区域采集到的发电电流、回路电流和功率信息，考虑各区域光伏发电***的非线性特性、互联性，构建子***的状态空间模型，包括状态方程及测量方程，具体为：
状态方程：
测量方程：ya(t)＝Caxa(t)
其中，角标为多区域光伏发电***的子***编号，xa(t)代表a区域光伏发电***的状态向量，xa(t)＝col{xa1(t),xa2(t)}，xa1(t)代表发电电流，xa2(t)代表回路电流；ya(t)代表a区域光伏发电***的可测输出功率，ωa(t)代表a区域光伏发电***的随机扰动，fa(t)代表a区域光伏发电***的***故障，Fa(x1(t),...xN(t))代表子***内部及子***间耦合的未知有界非线性特性；矩阵Aaa、Hja、Bωa、B'a、B1a、Ca均为已知的***矩阵；/>表示求导；
步骤2:在步骤1构建的子***的状态空间模型基础上，构建多区域光伏发电***的增广模型，具体为：
增广状态方程：
增广测量方程：y(t)＝Cx(t)
其中，x(t)＝col{x11(t),x12(t),x21(t),x22(t),…,xN1(t),xN2(t)}代表N区域光伏发电***的增广状态向量，y(t)＝col{y1(t),...,yN(t)}为***的增广测量方程，A,Bω,B1,B',C为增广矩阵，其具体形式为，
Bω＝diag[Bω1,Bω2,…,BωN],B′＝diag[B′1,B′2,...,B′N],
B1＝diag[B11,B12,...,B1N].
集中式的分布式互联***模型通过将各个区域的光伏发电子***状态相互融合，可以将不同***的***故障进行集中式统一式的实时检测；
步骤3:确定DoS攻击的先验信息，设定弹性动态事件触发的信息传输策略，并基于该信息传输策略，修正步骤2中的增广测量方程，其具体过程为：
首先，确定DoS攻击的先验信息，具体包括时刻t0到时刻t的范围内其攻击时段及休眠时段的平均驻留时间限制，具体为：其中n0及n1为常数，NF(t,t0)、ND(t,t0)为DoS攻击及休眠的次数，Δ0(t,t0)、Δ1(t,t0)为DoS攻击及休眠时段的总时长，τF、τD为DoS攻击及休眠的平均驻留时长；
基于DoS攻击的先验信息设定弹性事件触发的信息传输策略，具体形式为：
其中，tq代表第q次传输时刻，h为采样时间，p为正整数，代表第q次传输时刻后的第p次采样时刻，Θ为加权矩阵，μ、s、β均为可调事件触发参数，/>代表实时输出功率/>与事件触发策略下最新测得的输出功率测量值y(tqh)的差值，/>Ω(t)为动态参量，On代表DoS攻击的第n次休眠时段，bn代表DoS攻击的第n次攻击时段Dn的结束时刻，(·)T代表转置，Ω、δ代表中间过程量；
在此基础上，***的测量方程有着如下的改变：
其中，dq为每次信息传输的时延，(·)代表实际的测量值；
该策略的设计目的在于，一是通过设置事件触发参数，能够有效减少信息的传输量，即只有测量信号与前一出发测量值的误差大于动态阈值时，信息才能够被传递，这大大减少了带宽的压力；另一方面，弹性事件触发传输策略将攻击结束时刻的测量值无条件传输至检测端，这使得DoS对***造成的影响降到了最低。
步骤4:基于步骤3修正的测量方程，根据经弹性事件触发策略修正后的测量方程构建有限频故障检测滤波器，其具体形式为：
休眠时段
攻击时段
其中，xf(t),yf(t)分别为滤波器的状态向量及滤波器的测量输出，Af1，Bf1，Cf1，Af2，Cf2分别代表所述滤波器的待定增益。
步骤5:根据步骤1和步骤4中的测量方程构造误差，并获得误差***，其具体形式为：
误差r(t)＝y(t)-yf(t)，
误差增广***，
休眠时段
攻击时段
其中，
步骤6:判断DoS攻击是否可以被检测，如果可以被检测，则设计一种求解计算方法，从而在可解情况下得到故障检测滤波器的增益矩阵，使得步骤5构建的误差增广***对扰动具有鲁棒性并对故障具有敏感性，其具体过程为：
(1)基于具有稳定性同时对扰动的鲁棒性及对故障的敏感性的设计原则，需保证误差增广***渐进稳定的同时具有H∞性能γ1及H-性能γ2，使得对于所述的扰动信号和故障信号，下式成立
(2)求取基于弹性事件驱动策略的故障检测滤波器，从而使得该滤波器满足以上设计原则，给出定理如下对根据实际需求设定的H∞性能γ1及H-性能γ2：当标量s＞0,dM＞0,δ＞0,β＞0,μ＞0,α1＞0,λ0＞1,1＞λ1＞0,α0＞0给定时，如果存在适当维数的正定对称矩阵，
及正定矩阵Θ,/>矩阵/>N,N2,M,l1,l2,/> U01,U11,U02,U12,UFF0,UFF1,UFF2,UFF3,UFF4,UFF5,UFF6,UFF7,U03,U13/>使得对于所有i∈{0,1},m∈{0,1},n∈{1,2,3},以下线性矩阵不等式成立，
P12≤λ0P02,P02≤λ1P12,Q12≤λ0Q02,Q02≤λ1Q12,R02≤λ1R12,R12≤λ0R02,
P11≤λ0P01,P01≤λ1P11,Q11≤λ0Q01,Q01≤λ1Q11,R01≤λ1R11,R11≤λ0R01,
P13≤λ0P03,P03≤λ1P13,Q13≤λ0Q03,Q03≤λ1Q13,R03≤λ1R13,R13≤λ0R03.
对于平均驻留时间满足的DoS攻击，***具备H∞性能γ1及H-性能γ2，最终可以得到滤波器的增益矩阵Af1,Af2,Bf1,Cf1,Cf2：/>
其中，
/>
其中，θh为故障频率下限，Y为非线性项的极值；
若DoS攻击不可以被检测，则增加约束条件，使得构建的故障检测滤波器仍能够保持对扰动的鲁棒性及对故障的敏感性，具体为：
Af1＝Af2,Cf1＝Cf2；
更为具体地，由于DoS攻击的实时状态不可检测，弹性事件触发传输机制无法获取bn时刻的测量值，其自然地退化成常规的可调参数动态事件触发机制，这不可避免地影响了对故障的实时检测效果，但通过增加以上的约束项，可实现固定增益故障检测滤波器的设计，即由单一增益的故障检测滤波器实现对DoS攻击、休眠状态的适应；
步骤7:根据所述的残差设计残差评价函数Jr(t)，其具体形式如下：
其中，t为检测时长；
步骤8.根据实际需求，基于步骤7得到的残差评价函数及DoS攻击对其影响的经验值，制定阈值及报警策略，即实时检测得到的残差评价函数值大于预先设定的残差评价函数阈值，则报警；否则不报警，从而完成故障检测，具体过程为：
设定残差评价函数的阈值形式，
其中ΔJDoS是在满足步骤3先验条件的DoS攻击实验下Jr *(t)的变化极值，表示无故障、无攻击时函数的最大值；
因此，多区域互联光伏发电***的故障检测的策略为：实时检测得到的残差评价函数值大于残差评价函数的阈值，则报警；否则不报警；其表达式为：
实施例1
假定干扰信号的频率为1kHz，幅值为2.3的正弦信号，其中，DoS攻击的攻击序列如图2所示，序列值为1时攻击存在，值为0时无攻击。
采用本方法进行故障检测的仿真过程中，不同频率的仿真结果如图3和图4所示，小幅故障检测仿真结果如图5所示。
图3(a)和图3(b)分别绘制了t∈(30,38)时存在低频故障信号(频率为10Hz，幅值为2.5)的情况下，DoS攻击可检测与不可检测两种情况时本发明方法所得到的残差信号与残差评价函数的曲线，结合无故障无攻击时的残差评价函数极值及DoS攻击对残差评价函数造成的影响，设置阈值为3.432。从图中可以看出，在t＝37.9及t＝38.4时，故障分别被两种检测方法检测到。结合步骤7所述，在DoS攻击状态不可知时，弹性事件触发传输机制退化成动态事件触发机制且增加了相应的适应性约束条件，残差函数及残差评价函数不可避免地有所降低。
图4(a)和图4(b)分别绘制了高频故障信号(频率为1750Hz，幅值为2.5)存在于t∈(30,38)时的残差信号与残差评价函数曲线，虽然残差信号与残差评价函数的数值明显低于低频情况，这是由于故障信号的频率接近于扰动的频率，造成了检测的困难，但本发明方法仍是在t＝38.4,t＝38.9时成功检测到故障信号。
图5(a)和图5(b)中反映了针对小幅故障信号(频率为10Hz，幅值为0.2)的检测效果，采取与图3(b)中相同的阈值，故障仍在t＝38.5及t＝39.2时被成功检测。
需要注意的是，虽然故障信号和干扰信号的频率都比较高，且DoS攻击与故障信号出现的时段相重合，但是故障的出现仍在DoS攻击结束时就被快速检测到，这表明本发明故障检测方法对于高频情况及受到DoS攻击影响下具有很高的实时性。
以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。
Claims (6)
1.一种DoS攻击下多区域光伏发电***的故障检测方法，其特征在于，包括以下步骤：
步骤1：利用光伏发电***各区域采集到的发电电流、回路电流和功率信息，考虑各区域光伏发电***的非线性特性、互联性，构建光伏发电***各子***的状态空间模型，包括各区域的状态方程及测量方程；
建立状态空间模型的具体过程为：
状态方程：
测量方程：ya(t)＝Caxa(t)
其中，角标为多区域光伏发电***的子***编号，xa(t)代表a区域光伏发电***的状态向量，xa(t)＝col{xa1(t),xa2(t)}，xa1(t)代表发电电流，xa2(t)代表回路电流；ya(t)代表a区域光伏发电***的可测输出功率，ωa(t)代表a区域光伏发电***的随机扰动，fa(t)代表a区域光伏发电***的***故障，Fa(x1(t),...xN(t))代表子***内部及子***间耦合的未知有界非线性特性；矩阵Aaa、Hja、Bωa、B'a、B1a、Ca均为已知的***矩阵，表示求导；
步骤2：在步骤1构建的状态空间模型的基础上，构建多区域光伏发电***的增广模型，包括增广状态方程及增广测量方程；
构建增广模型的具体过程为：
增广状态方程：
增广测量方程：y(t)＝Cx(t)，
其中，x(t)代表N区域光伏发电***的增广状态向量，y(t)为***的增广测量方程，x(t)＝col{x11(t),x12(t),x21(t),x22(t),…,xN1(t),xN2(t)}，y(t)＝col{y1(t),…yN(t)}，A,Bω,B1,B',C均为系数矩阵，
Bω＝diag[Bω1,Bω2,…,BωN],B′＝diag[B′1,B′2,…,B′N],
B1＝diag[B11,B12,…,B1N]；
步骤3：确定DoS攻击的先验信息，设定弹性事件触发信息传输策略，并基于该信息传输策略，修正步骤2中的增广测量方程；
具体过程为：
基于DoS攻击的先验信息设定弹性事件触发的信息传输策略，具体形式为：
其中，tq代表第q次传输时刻，h为采样时间，为第q次传输时刻后的第p次采样时刻，Θ为加权矩阵，μ、s、β均为可调事件触发参数，/>代表实时输出功率/>与事件触发策略下最新测得的输出功率测量值y(tqh)的差值，/>Ω(t)为动态参量，On代表DoS攻击的第n次休眠时段，bn代表DoS攻击的第n次攻击时段Dn的结束时刻，(·)T表示转置，Ω、δ代表中间过程量；
在此基础上，***的测量方程有着如下的改变：
其中，dq弹性为事件触发判断机制到传感器之间的传输时延，(·)代表实际的测量值；
所述DoS攻击的先验信息包括时刻t0到时刻t的范围内，其攻击时段及休眠时段的平均驻留时间限制，具体为：其中n0和n1为常数，NF(t,t0)、ND(t,t0)为DoS攻击及休眠的次数，Δ0(t,t0)、Δ1(t,t0)为DoS攻击及休眠时段的总时长，τF、τD为DoS攻击及休眠的平均驻留时长；
步骤4：根据步骤3修正后的增广测量方程构建相应的有限频故障检测滤波器；
步骤5：根据步骤1中测量方程与步骤4中的故障检测滤波器中测量方程构造残差，并获得误差***；
步骤6：判断DoS攻击是否可以被检测，如果可以被检测，则计算得出步骤4构建的有限频故障检测滤波器的增益矩阵，并使得步骤5构造的残差对扰动具有鲁棒性，并对故障具有敏感性；如果不可以被检测，则增加约束条件，使得构建的故障检测滤波器的增益矩阵对扰动具有鲁棒性，并对故障具有敏感性；
步骤7：基于步骤6得到的故障检测滤波器的增益矩阵与步骤5构造的残差，设计残差评价函数；
步骤8：根据实际需求，基于步骤7得到的残差评价函数及DoS攻击对其影响的经验值，制定阈值及报警策略，即实时检测得到的残差评价函数值大于预先设定的残差评价函数阈值，则报警；否则不报警，从而完成故障检测。
2.如权利要求1所述的故障检测方法，其特征在于，步骤4中有限频故障检测滤波器的具体形式为：
休眠时段
攻击时段
其中，xf(t),yf(t)分别为有限频故障检测滤波器的状态向量和测量输出，Af1、Bf1、Cf1、Af2、Cf2分别代表限频故障检测滤波器的待定增益。
3.如权利要求2所述的故障检测方法，其特征在于，步骤5的具体过程为：
根据步骤1和步骤4中的测量方程构造误差r(t)，r(t)＝y(t)-yf(t)，
误差增广***为：
休眠时段
攻击时段
其中，
4.如权利要求3所述的故障检测方法，其特征在于，步骤6的具体过程为：
当DoS攻击可以被检测时，
故障检测滤波器的增益矩阵包括Af1,Af2,Bf1,Cf1,Cf2，其中，
N,M为相关矩阵，为增益信息矩阵；
基于弹性事件触发策略的故障检测滤波器，当具备H∞性能γ1及H-性能γ2两项指标的故障检测滤波器存在时，增益信息矩阵应使对于扰动信号和故障信号，下式成立，
当DoS攻击无法被检测时，即DoS攻击的休眠和攻击时段未知的情况，在步骤6的计算过程中加入约束条件，使得所设计的故障检测滤波器仍能够保持对扰动的鲁棒性及对故障的敏感性：
Af1＝Af2,Cf1＝Cf2。
5.如权利要求4所述的故障检测方法，其特征在于，步骤7中残差评价函数Jr(t)的具体形式为：
其中，t为检测时长。
6.如权利要求5所述的故障检测方法，其特征在于，步骤8的具体过程为：
设定残差评价函数的阈值形式，
其中，ΔJDoS是在满足步骤3先验条件的DoS攻击实验下Jr *(t)的变化极值，表示无故障、无攻击时函数的最大值；
因此，多区域互联光伏发电***的故障检测的策略为：实时检测得到的残差评价函数值大于残差评价函数的阈值，则报警；否则不报警；其表达式为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211034172.1A CN115459708B (zh) | 2022-08-26 | 2022-08-26 | 一种DoS攻击下多区域光伏发电***的故障检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211034172.1A CN115459708B (zh) | 2022-08-26 | 2022-08-26 | 一种DoS攻击下多区域光伏发电***的故障检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115459708A CN115459708A (zh) | 2022-12-09 |
| CN115459708B true CN115459708B (zh) | 2023-08-15 |
Family
ID=84300957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211034172.1A Active CN115459708B (zh) | 2022-08-26 | 2022-08-26 | 一种DoS攻击下多区域光伏发电***的故障检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115459708B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629132A (zh) * | 2018-05-10 | 2018-10-09 | 南京邮电大学 | DoS攻击下的故障检测滤波器和控制器的协同设计方法 |
| CN111917741A (zh) * | 2020-07-15 | 2020-11-10 | 上海大学 | 一种基于Dos和虚拟数据注入攻击的微电网安全防御***及方法 |
| CN112311007A (zh) * | 2020-10-19 | 2021-02-02 | 南京邮电大学 | 光伏发电***中三相lcl型并网变换控制器的设计方法 |
| CN112350664A (zh) * | 2020-10-27 | 2021-02-09 | 电子科技大学 | 一种基于事件触发策略的有限频故障检测方法 |
| CN113641104A (zh) * | 2021-08-23 | 2021-11-12 | 江南大学 | 动态事件触发下釜式反应器的有限频域故障检测方法 |
-
2022
- 2022-08-26 CN CN202211034172.1A patent/CN115459708B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629132A (zh) * | 2018-05-10 | 2018-10-09 | 南京邮电大学 | DoS攻击下的故障检测滤波器和控制器的协同设计方法 |
| CN111917741A (zh) * | 2020-07-15 | 2020-11-10 | 上海大学 | 一种基于Dos和虚拟数据注入攻击的微电网安全防御***及方法 |
| CN112311007A (zh) * | 2020-10-19 | 2021-02-02 | 南京邮电大学 | 光伏发电***中三相lcl型并网变换控制器的设计方法 |
| CN112350664A (zh) * | 2020-10-27 | 2021-02-09 | 电子科技大学 | 一种基于事件触发策略的有限频故障检测方法 |
| CN113641104A (zh) * | 2021-08-23 | 2021-11-12 | 江南大学 | 动态事件触发下釜式反应器的有限频域故障检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115459708A (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107786369B (zh) | 基于irt层次分析和lstm的电力通信网络安全态势感知和预测方法 | |
| CN112350664B (zh) | 一种基于事件触发策略的有限频故障检测方法 | |
| CN111222133A (zh) | 一种工控网络入侵检测的多级自适应耦合方法 | |
| CN110365647B (zh) | 一种基于pca和bp神经网络的虚假数据注入攻击检测方法 | |
| CN113904786B (zh) | 一种基于线路拓扑分析和潮流特性的虚假数据注入攻击辨识方法 | |
| Liang et al. | Multi-sensor fusion approach for fire alarm using BP neural network | |
| CN110674864B (zh) | 一种含同步相量量测装置的风电异常数据辨识方法 | |
| CN115442160B (zh) | 差分隐私保护下的网络化***数据隐蔽攻击检测方法 | |
| CN113268731A (zh) | 一种针对负荷频率控制***虚假数据攻击的估计方法 | |
| Wang et al. | Research on network security situation assessment and forecasting technology | |
| CN115459708B (zh) | 一种DoS攻击下多区域光伏发电***的故障检测方法 | |
| Hosseinzadehtaher et al. | Anomaly detection in distribution power system based on a condition monitoring vector and ultra-short demand forecasting | |
| Chang et al. | [Retracted] Internet of Things Security Detection Technology Based on Grey Association Decision Algorithm | |
| CN110704838A (zh) | 一种基于信息物理融合的恶意数据注入攻击的检测方法 | |
| CN113268730A (zh) | 一种基于强化学习的智能电网虚假数据注入攻击检测方法 | |
| CN111160386B (zh) | 一种基于主动无功功率扰动的数据驱动电力孤岛检测方法 | |
| CN113094702A (zh) | 基于lstm网络的虚假数据注入攻击检测方法及其装置 | |
| Oshnoei et al. | Detection and mitigation of coordinate false datainjection attacks in frequency control of power grids | |
| CN116340593A (zh) | 一种复杂网络高阶结构重要度识别方法 | |
| CN113543139B (zh) | 一种基于可信度的无线传感器网络分布式安全控制方法 | |
| CN109617874A (zh) | 一种异质传感网恶意程序传播建模方法 | |
| CN112398840B (zh) | 基于自适应滑模观测器的电力信息物理***攻击定位方法 | |
| Wang | Research of intrusion detection based on an improved K-means algorithm | |
| CN111917569B (zh) | 利用漏报攻击模型评估电力***抵抗网络攻击稳定的方法 | |
| Zhang et al. | Network Traffic Prediction Based on Improved GA-Elman Neural Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |