Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京邮电大学刘增稷获国家专利权

南京邮电大学刘增稷获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南京邮电大学申请的专利一种基于强化学习的负荷频率控制系统攻击检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120354406B

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510831165.1,技术领域涉及:G06F21/55;该发明授权一种基于强化学习的负荷频率控制系统攻击检测方法是由刘增稷;刘梦歌;周霞;张腾飞设计研发完成,并于2025-06-20向国家知识产权局提交的专利申请。

一种基于强化学习的负荷频率控制系统攻击检测方法在说明书摘要公布了: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。

本发明授权一种基于强化学习的负荷频率控制系统攻击检测方法在权利要求书中公布了:1.一种基于强化学习的负荷频率控制系统攻击检测方法,其特征在于,包括以下步骤: 步骤1、基于负荷频率控制系统的关键状态变量和参数,以构建完整数据集为目标,通过多阶段数据采集及处理,构建标准化的训练集、验证集和测试集; 步骤2、基于Markov决策过程理论框架,以生成高效且隐蔽的攻击样本为目标,通过构建多目标奖励函数和改进REINFORCE算法训练攻击智能体,构建虚假数据注入和负荷切换攻击样本集; 步骤3、基于时间序列特征和系统状态数据,以实现准确可靠的攻击检测为目标,构建包括监督学习检测模型、无监督学习模型及融合判决机制的攻击检测模型; 步骤4、基于训练好的攻击检测模型,以优化检测性能和系统适应性为目标,构建攻击检测与防御系统; 其中,步骤2具体为: 步骤201、构建攻击智能体的Markov决策过程框架; 定义状态空间为,其中,表示系统电气功率,表示机械功率,表示区域控制误差,为系统安全运行区域,为系统频率偏差,为向量的转置,表示频率变化率; 定义动作空间为,其中,表示对传感器信号的欺骗性篡改幅度,表示对控制输入路径的干扰强度,表示对负荷扰动特性的调控参数;表示攻击智能体的动作空间,定义为所有可能攻击动作的集合,包括对传感器信号、控制路径和负荷扰动的调控参数; 定义状态转移方程为,其中为状态转移函数,表示系统中的随机扰动项,为系统控制输入; 步骤202、设计多目标奖励函数: , 系统安全运行区域定义为; 其中,为成功奖励值,为系数,为参数;是多目标奖励函数中的惩罚系数;表示攻击动作向量的二范数平方,反映攻击幅度的大小; 步骤203、采用改进REINFORCE算法进行策略优化; 定义参数化策略,表示在状态下选择动作的概率; 策略优化目标为最大化期望累积奖励: ; 其中,表示策略网络参数,表示状态-动作轨迹,表示折扣因子,表示攻击持续时间,为多目标奖励函数; 策略梯度计算公式为: , 其中,表示从时间步开始的折扣回报;表示基于状态的基线函数;表示时间步索引变量,用于计算从当前时间步开始的未来奖励累计值,其取值范围为; 步骤204、生成虚假数据注入攻击样本,构建包含时间周期特征的扩展状态向量: , 其中,表示周期性时间特征项,用于捕捉系统周期性行为模式,增强攻击的时序适应性; 攻击信号生成采用双曲正切函数实现物理约束: , 控制器接收到的篡改后频率信号为: ; 其中,表示控制器接收到的频率信号相对于真实信号的篡改幅度比例;表示攻击策略网络,其输入为扩展状态向量,输出为攻击比例函数内部的尺度因子,为其网络参数;表示系统在当前时间步的真实频率偏差;表示经攻击篡改后的频率测量值,即控制器实际接收到的伪造信号,其通过乘以比例系数实现对真实信号的欺骗;为攻击幅度的最大限制值; 步骤205、生成基于负荷切换的扰动攻击样本,攻击策略网络输出三维门控参数: , 其中,表示攻击触发的中心时间点;表示扰动信号上升下降的陡峭程度,即控制攻击信号的转换速率;为控制扰动攻击信号的最大幅值,即攻击强度; 攻击信号通过参数化Sigmoid函数和谐波叠加实现: ; 其中,为生成的扰动攻击信号,为自适应幅值映射函数,将攻击策略网络输出的映射为物理攻击信号最大幅值;为第个谐波分量的幅值系数;表示第阶谐波的扰动信号分量,其中为第阶扰动频率;为初始相位; 攻击智能体能自动识别系统固有频率并生成满足共振条件的扰动: , 其中,为攻击扰动频率,为系统固有频率,为允许误差范围; S206、验证生成样本的有效性; 通过定义安全裕度指标评估攻击效果: , 其中,为当前系统状态与安全区域边界之间的最小欧氏距离;为当前系统状态向量,取值为当前时间步下系统状态变量的组合;表示安全区域的边界上的任意一点状态向量,用于计算当前状态到安全边界之间的最小距离;表示全区域的边界; 攻击成功判定标准为:或系统状态在仿真期间任意时刻超出安全区域。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京邮电大学,其通讯地址为:210003 江苏省南京市鼓楼区新模范马路66号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。