一种基于深度学习的微电网混合网络攻击全局检测方法

本发明提出了一种基于深度学习InceptionTime模型的微电网混合网络攻击检测方法。该方法通过采集微电网分布式发电单元的多变量时间序列数据，并经过预处理后，利用InceptionTime模型进行特征提取与分类。模型核心包括多个Inception模块，结合瓶颈层、CNN集成层和分层特征图拼接，通过残差连接提升性能。将网络攻击检测定义为时间序列多标签分类问题，分类标签包括正常运行、负载波动、DoS攻击、FDI攻击、时延攻击。使用加权二元交叉熵作为损失函数进行离线训练。训练完成后，模型部署至微电网系统，实时监控并分析各分布式发电单元的数据，精准检测和分类网络攻击类型。与传统局部检测方法相比，本发明提供了全局视角的检测方案，能有效识别混合网络攻击，提高微电网的安全性。