箱式变电站外围恒温网络入侵的动态检测研究.pdfVIP

第45卷第5期动化仪表Vol.45No.5

2024年5月PROCESSAUTOMATIONINSTRUMENTATIONMay.2024

箱式变电站外围恒温网络入侵的动态检测研究

陈黎明1，杜海红，王冬冬？,李建泽3朱明星3

（1.国网安徽省电力有限公司，安徽合肥230022;2.国网阜阳供电公司，安徽阜阳236000；

3.国网蚌埠供电公司，安徽蚌埠233000）

摘要：变电站外围恒温网络节点关联较弱，易受外界人侵。为此，提出基于深度信念网络（DBN）的箱式变电站外围恒温网络人侵动

态检测方法。首先,对恒温网络数据实施类型转换和归一化处理，将Nominal类型转换为Numeric类型，以避免转换数据维度变高。

然后，利用非线性迭代偏最小二乘法对恒温网络数据实施特征提取和分类处理，以增强入侵信号的聚类。最后，结合DBN模型并利用

核极限学习机（KELM)分类算法，对恒温网络的人侵数据实施检测。试验结果表明，该方法的模型训练准确率最高为90%；当迭代次

数达到200次时，训练时间为10.35s；网络人侵检测效率高且检测结果误差分数小，平均误差分数为1%。该方法对各样本的网络入

侵检测率稳定，有利于网络人侵检测的实际应用。

关键词：箱式变电站；恒温网络；网络人侵；深度信念网络；数据类型转换；数据维度

中图分类号：TH70文献标志码：AD0I:10.16086/ki.issn1000-0380.2022120067

ResearchonDynamicDetectionofPeripheralThermostaticNetworkIntrusion

inBox-TypeSubstation

3

CHENLiming’,DUHaihong,WANGDongdong,LIJianze,ZHUMingxing

(1.StateGridAnhuiElectricPowerCo.,Ltd.,Hefei230022,China;2.StateGridFuyangSupplyCompany,Fuyang236000,China;

3.StateGridBengbuSupplyCompany,Bengbu233000,China)

Abstract:Substationperipheralthermostaticnetworknodesareweaklyassociatedandvulnerabletoexternalintrusion.Forthis

reason,adynamicdetectionmethodofperipheralthermostaticnetworkintrusioninbox-typesubstationbasedondeepbelief

network(DBN)isproposed.Firstly,typeconversionandnormalizationareimplementedonthethermostaticnetworkdata,and

theNominaltypeisconvertedtoNumerictypetoavoidtheconverteddatadimensionfromincreasing.Then,non-lineariterative

partialleastsquaresmethodisutilizedtoimplementfeatureextractionandclassification