摘要
本发明属于FDI攻击检测技术领域,特别是一种的面向风电场功率预测的FDI攻击检测方法。所述方法包括:首先,运用原则和滑动窗口技术对获取的风电场功率数据进行预处理,将其切割成适合xLSTM‑AE模型处理的训练集、校验集以及测试集。接着,构建xLSTM‑AE模型,并使用上述训练集数据对模型进行训练,同时利用校验集来微调模型参数,以避免过拟合现象。模型训练完成后,根据原则为每台风电机组计算特定的阈值。最后,利用FDI攻击检测器对测试集数据进行FDI攻击检测,将那些平方残差超过各自阈值的测试集数据识别并标记为FDI攻击数据。本发明能够增强风电场功率预测系统的安全性与可靠性,提高风电场的经济效益和电网的稳定性。
技术关键词
风电场输出功率
面向风电场
攻击检测方法
滑动窗口技术
风电场功率预测系统
编码器结构
编解码
攻击检测技术
攻击检测模型
风电机组
序列
非线性
训练集数据
重构误差
参数
检测器
系统为您推荐了相关专利信息
标注系统
视频分析
标注工具
数据管理模块
OpenCV算法
联邦深度学习
卷积神经网络模型
攻击检测方法
侧信道数据
密钥
波形
特征提取模块
双向长短期记忆网络
深度学习网络模型
非线性映射关系