摘要
本发明涉及一种基于模态分解和极致梯度提升的虚假数据注入攻击检测方法,属于智能电网攻击检测技术领域。本发明采用变分模态分解来提取不同频率下FDIA信号的显著特征;此外,本发明利用从粒子群优化中获得的结果来替换单个总线上的极端梯度提升的预定阈值,从而提高了本发明的检测精度和可解释性。对IEEE‑14总线系统的仿真结果表明,本发明能够有效地检测针对单个总线的攻击,最后,评估了在特定噪声干扰下攻击强度对本发明性能的影响,从而证实了本发明的有效性和鲁棒性。
技术关键词
攻击检测方法
XGBoost模型
数据
皮尔逊相关系数
特征提取模块
频率
时间序列特征
包络
攻击检测技术
信息物理系统
因子
电流
粒子群优化算法
电压
数值
概率密度函数
量测误差
矩阵
信号
总线系统
系统为您推荐了相关专利信息
多源异构数据
车载摄像头
动态权重分配
车载雷达
气象传感器
健康状态预测方法
电池荷电状态
LSTM模型
记忆单元
粒子
表面缺陷检测系统
缺陷高度
样本
陶瓷
数据采集模块