一种基于非侵入式电力终端时序监测的恶意行为检测方法技术

本发明专利技术公开了一种基于非侵入式电力终端时序监测的恶意行为检测方法，包括以下步骤：S1.边缘计算设备构建各电力终端设备历史电气量的数据库；S2.对各电力终端设备构建用电行为数据集；S3.对各电力终端电气量时序数列进行事件探测、特征提取后得到样本集，训练负荷分类器；S4.对电力总出口电气量时序数列进行事件探测、提取特征，输入训练好的分类器模型中，确定待检测电力终端所属的设备类型；S5.统计待测电力终端的用电信息；S6.检测上述待测电力终端用电行为，据此判断用电设备是否异常；S7.边缘计算设备记录并上报异常。本发明专利技术基于非侵入式电力终端时序监测，通过与历史电力信息形成的用电行为比较，实现了电力终端设备恶意行为的在线检测。

【技术实现步骤摘要】
一种基于非侵入式电力终端时序监测的恶意行为检测方法
本专利技术涉及边缘计算系统下电力终端设备恶意行为检测方法，特别是涉及一种基于非侵入式电力终端时序监测的恶意行为检测方法。
技术介绍
近年来，随着智能电网系统的不断部署，智能电表等智能电网设备在收集与电力使用和智能电网状态有关的数据方面发挥着重要作用。随着一次设备智能化、无线通信等领域的新设备、新技术不断涌现，并逐步广泛应用到电力通信网络的建设中，使得智能电网具有复杂的接入环境、灵活多样的接入方式、数量庞大的智能接入终端等特征，这将加大智能电网的安全风险。因此,需要对智能电网不安全行为进行技术防范。电力物联网边缘计算技术利用靠近智能电网用户侧的智能设备，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供服务。这种背景下，基于边缘侧的计算资源支持，使得其可以采用较为复杂的计算方法进行非侵入式电力终端时序监测和分析，实现智能电网设备级的恶意行为检测，对于提高了智能电网设备级安全具有着重要意义。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于非侵入式电力终端时序监测的恶意行为检测方法，在智能电网边缘计算侧，通过边缘计算设备收集的电力数据，进行非侵入式电力终端时序监测，实现边缘计算侧用电设备恶意行为检测，提高了智能电网设备级安全。本专利技术的目的是通过以下技术方案来实现的：一种基于非侵入式电力终端时序监测的恶意行为检测方法，包括以下步骤：S1.边缘计算设备收集电力终端数据，为需要检测的电力终端构建历史数据库；所述数据库包含若干待检测电力终端设备类型及其电气量数据；S2.提取历史数据库中的各电力终端电气量的时序数列，得到相应电力终端历史用电信息，所述电力终端历史用电信息包括稳态功率、启动时间、运行时长和电能消耗，根据所述电力终端历史用电信息构建电力终端用电行为数据集；S3.根据所述数据库中的各电力终端历史电气量时序数列进行事件探测、特征提取后得到样本集，训练负荷分类器；S4.对电力总出口的电气量时序数列进行事件探测、提取特征，输入训练好的分类器模型中，确定待检测电力终端所属的具体电力终端类型；S5.统计待测电力终端的用电信息，具体包括稳态功率、启动时间、运行时长和电能消耗；S6.根据步骤S2中得到的用电行为数据集和步骤S5中得到的待测电力终端的用电信息，检测待测电力终端用电行为，并据此判断该电力终端设备是否异常；S7.边缘计算设备记录电力终端的异常行为并上报异常。其中，所述步骤S1包括以下子步骤：S11.边缘计算设备收集各待检测电力终端历史电气量数据，所述历史电气量数据包括带有时间戳的电流和功率数据，以及电力总出口的电气量数据包括实时电流和功率数据；数据采样频率满足奈奎斯特采样定理；S12.边缘计算设备构建各待检测电力终端历史电气量数据和电力总出口电气量数据的数据库。进一步地，所述步骤S2包括以下子步骤：S21.统计并计算各待检测电力终端的稳态功率，所述稳态功率为该设备正常运行时的功率数值p；S22.统计并计算各待检测电力终端的启动时间，所述启动时间为该设备从上电时刻tstart到达到稳态功率时刻tp的差值tp-tstart，记为ton；S23.统计并计算各待检测电力终端的运行时长，所述运行时长为该设备从上电时刻tstart到断电时刻tstop的差值tstop-tstart，记为trun；S24.统计并计算各待检测电力终端的电能消耗，所述电能消耗为该设备从上电时刻tstart到断电时刻tstop功率P对运行时间的积分∫tP,记为w；S25.构建包含所述稳态功率、启动时间、运行时长、电能消耗的电力终端用电行为数据集。进一步地，所述步骤S3包括以下子步骤：S31.对所述具体电力终端功率时序序列取滑动窗，进行事件探测，在功率点Pi处取窗口功率序列S＝[Pi-N…Pi…Pi+N]，N为Pi两侧的窗口长度，2N+1为滑动窗的总长；对S计算其方差为Svar，计算S平均功率为Smean。如果Svar＞＞αSmean，其中α为阈值控制系数，则判断为功率突变；S32.对所述功率突变点，提取电力终端窗口电流时序数列样本，进行傅里叶级数展开，取各次电流谐波幅值为负荷特征，记为x＝(x1,x2,…,xn)，其中n为所取幅值最大的奇次谐波数量；S33.以负荷特征样本xj＝(xj1,xj2,…,xjn)作为输入，训练负荷分类器M，样本标签yj为期望输出，其中j为检测电力终端数量。所述步骤S33包括：S331.根据所述各负荷特征样本组成训练集X＝{x1,x2,…,xm}，对应的电力终端类型标签序列Y＝{y1,y2,…,ym}为期望输出；初始化样本权重D1＝{d11,d12,…,d1m},其中i＝1,2,…,m，m为训练集中负荷特征样本的数量；S332.选择当前误差最低的弱分类器h作为第k个基本分类器Hk，根据弱分类器Hk的分类结果Gt＝{y′1,y′2,…,y′m}与期望输出Y＝{y1,y2,…,ym}比较得到错误分类的样本，计算Ht的分类误差其中k＝1,2,…,K，K为弱分类器数量；S333.计算第k个弱分类器Hk的权重系数为第k个弱分类器的样本权重D(k)＝{dk1,dk2,…,dkm}，更新对应第k+1个弱分类器Hk+1的样本集权重系数为：其中Zk是规范化因子，S334.循环执行步骤S332和S333，当K个弱分类器训练完成，得到最终强分类器即为分类器M。进一步地，所述步骤S4包括以下子步骤：S41.对总出口功率时序序列取滑动窗，进行事件探测，在功率点处取窗口功率序列N为两侧的窗口长度，2N+1为滑动窗的总长；对计算其方差为平均功率为如果其中为阈值控制系数，则判断为功率突变；S42.对所述功率突变点，提取电力总出口窗口电流时序数列样本，进行傅里叶级数展开，取各次电流谐波幅值为负荷特征，记为x＝(x1,x2,…,xn)，其中n为所取幅值最大的奇次谐波数量；S43.以负荷特征样本x＝(x1,x2,…,xn)作为输入，通过训练好的负荷分类器M，输出yj，得到所属具体电力终端设备类型。进一步地，所述步骤S5包括以下子步骤：S51.根据总出口功率检测到的事件及得到的具体电力终端，计算所述具体电力终端的稳态功率，记为p′；S52.根据上述步骤S4总出口检测到的事件及得到的具体电力终端，计算所述具体电力终端的启动时间，记为ton′；S53.根据上述步骤S4总出口检测到的事件及得到的具体电力终端，计算所述具体电力终端的运行时长，记为trun′；S54.根据上述步骤S4总出口检测到的事件及得到的具体电力终端，计算所述具体电力终端的电能消耗，记为w′。进一步地，所述步骤S6包括以下子步骤：S61.根据步骤S2中各电力终端历史用电信息和步骤S5中总出口检测出的具体电力终端的用电信息，进行稳态功率检测，如本文档来自技高网...

【技术保护点】
1.一种基于非侵入式电力终端时序监测的恶意行为检测方法，其特征在于：包括以下步骤：/nS1.边缘计算设备收集电力终端数据，为需要检测的电力终端构建历史数据库；所述数据库包含若干待检测电力终端设备类型及其电气量数据；/nS2.提取历史数据库中的各电力终端电气量的时序数列，得到相应电力终端历史用电信息，所述电力终端历史用电信息包括稳态功率、启动时间、运行时长和电能消耗，根据所述电力终端历史用电信息构建电力终端用电行为数据集；/nS3.根据所述数据库中的各电力终端历史电气量时序数列进行事件探测、特征提取后得到样本集，训练负荷分类器；/nS4.对电力总出口的电气量时序数列进行事件探测、提取特征，输入训练好的分类器模型中，确定待检测电力终端所属的具体电力终端类型；/nS5.统计待测电力终端的用电信息，具体包括稳态功率、启动时间、运行时长和电能消耗；/nS6.根据步骤S2中得到的用电行为数据集和步骤S5中得到的待测电力终端的用电信息，检测待测电力终端用电行为，并据此判断该电力终端设备是否异常；/nS7.边缘计算设备记录电力终端的异常行为并上报异常。/n

【技术特征摘要】
1.一种基于非侵入式电力终端时序监测的恶意行为检测方法，其特征在于：包括以下步骤：
S1.边缘计算设备收集电力终端数据，为需要检测的电力终端构建历史数据库；所述数据库包含若干待检测电力终端设备类型及其电气量数据；
S2.提取历史数据库中的各电力终端电气量的时序数列，得到相应电力终端历史用电信息，所述电力终端历史用电信息包括稳态功率、启动时间、运行时长和电能消耗，根据所述电力终端历史用电信息构建电力终端用电行为数据集；
S3.根据所述数据库中的各电力终端历史电气量时序数列进行事件探测、特征提取后得到样本集，训练负荷分类器；
S4.对电力总出口的电气量时序数列进行事件探测、提取特征，输入训练好的分类器模型中，确定待检测电力终端所属的具体电力终端类型；
S5.统计待测电力终端的用电信息，具体包括稳态功率、启动时间、运行时长和电能消耗；
S6.根据步骤S2中得到的用电行为数据集和步骤S5中得到的待测电力终端的用电信息，检测待测电力终端用电行为，并据此判断该电力终端设备是否异常；
S7.边缘计算设备记录电力终端的异常行为并上报异常。


2.根据权利要求1所述的一种基于非侵入式电力终端时序监测的恶意行为检测方法，其特征在于：所述步骤S1包括以下子步骤：
S11.边缘计算设备收集各待检测电力终端历史电气量数据，所述历史电气量数据包括带有时间戳的电流和功率数据，以及电力总出口的电气量数据包括实时电流和功率数据；数据采样频率满足奈奎斯特采样定理；
S12.边缘计算设备构建各待检测电力终端历史电气量数据和电力总出口电气量数据的数据库。


3.根据权利要求1所述的一种基于非侵入式电力终端时序监测的恶意行为检测方法，其特征在于：所述步骤S2包括以下子步骤：
S21.统计并计算各待检测电力终端的稳态功率，所述稳态功率为该设备正常运行时的功率数值p；
S22.统计并计算各待检测电力终端的启动时间，所述启动时间为该设备从上电时刻tstart到达到稳态功率时刻tp的差值tp-tstart，记为ton；
S23.统计并计算各待检测电力终端的运行时长，所述运行时长为该设备从上电时刻tstart到断电时刻tstop的差值tstop-tstart，记为trun；
S24.统计并计算各待检测电力终端的电能消耗，所述电能消耗为该设备从上电时刻tstart到断电时刻tstop功率P对运行时间的积分∫tP,记为w；
S25.构建包含所述稳态功率、启动时间、运行时长、电能消耗的电力终端用电行为数据集。


4.根据权利要求1所述的一种基于非侵入式电力终端时序监测的恶意行为检测方法，其特征在于：所述步骤S3包括以下子步骤：
S31.对所述具体电力终端功率时序序列取滑动窗，进行事件探测，在功率点Pi处取窗口功率序列S＝[Pi-N…Pi…Pi+N]，N为Pi两侧的窗口长度，2N+1为滑动窗的总长；对S计算其方差为Svar，计算S平均功率为Smean。如果Svar＞＞αSmean，其中α为阈值控制系数，则判断为功率突变；
S32.对所述功率突变点，提取电力终端窗口电流时序数列样本，进行傅里叶级数展开，取各次电流谐波幅值为负荷特征，记为x＝(x1,x2,…,xn)，其中n为所取幅值最大的奇次谐波数量；
S33.以负荷特征样本xj＝(xj1,xj2,…,xjn)作为输入，训练负荷分类器M，样本标签yj为期望输出，其中j为检测电力终端数量。


5.根据权利要求1所述的一种基于非侵入式电力终端时序监测的...

【专利技术属性】
技术研发人员：雷文鑫，文红，许爱东，侯文静，蒋屹新，张宇南，毛中麒，
申请(专利权)人：电子科技大学，南方电网科学研究院有限责任公司，
类型：发明
国别省市：四川;51