摘要
本发明公开了一种基于门控循环单元的电力市场网络攻击识别方法、系统、设备及存储介质,涉及电力系统及其市场运作领域,方法包括:从电力现货市场获取数据并进行预处理;筛选出重要特征变量;将数据按时间顺序划分为训练集、验证集和测试集;基于不同时间周期构建多个GRU模型,并融合这些模型的预测结果;通过测试集评估模型的精度和稳定性,并将融合模型部署到实际系统中进行实时攻击识别;本发明能够更全面地捕捉电力市场数据的复杂规律,提升网络攻击识别的准确性和系统稳定性;避免了单一模型的偏差,减少了过拟合和欠拟合的风险,确保了模型在不同市场条件下的可靠性;提高了数据质量,增强了预测系统的适应性和灵活性。
技术关键词
网络攻击识别方法
门控循环单元
GRU模型
网络攻击识别系统
重要性评估方法
计算机可执行指令
电力
特征选择
相关系数阈值
周期
训练集数据
变量
识别误差
相关性分析方法
误差修正模型
预测误差
系统为您推荐了相关专利信息
光伏功率预测方法
GRU模型
光伏发电功率
光伏电站
计算机可执行指令
状态预测方法
地铁车站
混合预测模型
设施
调控单元
深度神经网络模型
融合特征
模态特征
多模态
特征提取模块
工业控制网络数据
单类支持向量机
双轮廓模型
原型
异常检测方法
视觉里程计方法
门控循环单元
坐标系
视觉里程计技术
图像采集模块