一种基于强化学习的负荷频率控制系统攻击检测方法

本发明属于电力系统安全技术领域，公开了一种基于强化学习的负荷频率控制系统攻击检测方法，旨在提升电力系统对复杂网络攻击的识别与防御能力，解决传统检测方法在攻击样本生成、未知攻击识别和系统适应性方面的不足。本发明通过构建基于马尔可夫决策过程的攻击智能体，采用改进的强化学习算法生成高隐蔽性对抗样本；设计融合LSTM监督学习与自编码器无监督学习的双模态检测架构，并引入自适应权重融合机制实现攻击类型识别与异常检测；结合增量学习与参数动态调整机制，使检测模型具备持续学习与演化能力。该方法可应用于电网调度中心或智能微电网中，实现对负荷频率控制系统的实时监控与攻击防御，显著提升电力系统的运行安全性和鲁棒性。