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！

龙图腾网获悉燕山大学申请的专利一种对电网虚假数据注入攻击的时空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：CN116578903B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310544568.9，技术领域涉及：G06F18/24；该发明授权一种对电网虚假数据注入攻击的时空检测方法是由李学平;胡琳博;何良策设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本一种对电网虚假数据注入攻击的时空检测方法在说明书摘要公布了：本发明公开了一种对电网虚假数据注入攻击的时空检测方法，包括以下步骤：确定虚假数据注入攻击检测模型的输入特征；建立空间特征提取模型，固定的图卷积层和空间自注意层分别用来探索空间依赖性的局部和全局分量；建立时间特征提取模型，通过对输入数据赋予不同的时间相关性权重来捕获电网数据的时间相关性特征；将虚假数据检测问题建模为分类问题，据此构建基于时空特征提取网络的FDIA检测整体模型。本发明提出的空间特征提取模块综合考虑了电网的局部和全局依赖关系。时间特征提取模块捕获电网数据的非线性和长期时间依赖关系。实现提高电力系统中FDIA的检测性能的目的。

本发明授权一种对电网虚假数据注入攻击的时空检测方法在权利要求书中公布了：1.一种对电网虚假数据注入攻击的时空检测方法，其特征在于：包括如下步骤： 步骤S1、确定虚假数据注入攻击检测模型的输入特征，输入特征包括表示电力系统母线间的连接关系的邻接矩阵A和各母线节点的功率，将电网中N个母线的时间序列长度为M的节点功率数据视作时间-空间-特征三维时空矩阵即每个母线的每个采样时间点会采集到一个长度为d的特征向量，三维时空矩阵Z归一化之后，结合电网的邻接矩阵组成模型的输入特征； 步骤S2、建立空间Transformer模型：应用一个固定的图卷积层和一个空间自注意层来分别探索局部空间依赖性和全局空间依赖性，将学习到的局部空间特征和全局空间特征使用门机制融合； 应用一个固定的图卷积层探索局部空间依赖性的具体过程如下： 图卷积的计算基于切比雪夫多项式近似，表示邻接矩阵A的对角度矩阵，In为单位矩阵，将对称归一化拉普拉斯矩阵L定义为L＝In-D-12AD12，从而得到一个缩放的拉普拉斯矩阵其中λmax是L的最大特征值，基于切比雪夫多项式Tk的图卷积的近似输出写为： 其中，K是图卷积的核大小，θ是多项式系数的向量； 应用一个空间自注意层来探索全局空间依赖性的具体过程如下： 首先将每个时间步长的嵌入特征进行转换，通过应用可训练的线性变换，计算query向量key向量和value向量 其中，和分别为和的权重矩阵； 计算在高维潜在子空间中query和key矩阵之间的相关性强度的权重计算方法为： 式中，为具有嵌入特征的图G的所有节点之间的自注意得到的注意得分，即电网母线间的全局空间依赖性，得到的分数用于对进行加权，并计算加权和得到节点新的嵌入 此外，采用三层前馈网络进一步学习节点的非线性特征，三层前馈网络包含三个隐藏层和两个校正线性单元ReLu激活函数，利用探索特征通道之间的相互作用来更新 在输入的嵌入特征与空间自注意提取的特征之间建立了残差连接和为三层的权重矩阵；用另一个残差连接来求和前馈网络的输入和输出，与门机制进行特征融合； 学习到的局部空间特征和全局空间特征使用门机制融合的过程为： 门g由图卷积层的和空间自注意层的得出： 其中，和分别是将和转换为一维向量的线性投影，通过用门g将和加权得到输出 空间Transformer的输出为收集M个时间步长并行获得的并通过输入后续的时间Transformer； 步骤S3、建立时间Transformer模型，通过对输入数据赋予不同的时间相关性权重来捕获电网数据的时间相关性特征； 建立时间Transformer模型的具体过程如下： 从输入特征和时间嵌入的级联获得其中Gt是1×1卷积层，在每个时间步长为每个节点生成d维向量； 首先将长度为M和d通道的时间序列投影到具有可学习映射的潜在高维子空间中，这三个子空间的学习过程，即query子空间key子空间和value子空间表示为 其中，和是学习的线性映射，在得到这三个潜在的高维子空间后，引入缩放点积函数来考虑ZT中的双向时间依赖性， 通过对由时间相关性加权的进行聚合来获得时间特征； 为开发一个共享的三层前馈神经网络； 采用残差连接更好地学习深度网络，对于每个节点，其输出为因此，通过收集所有节点的时间Transformer的输出为步骤S4、将虚假数据检测问题建模为分类问题，据此构建基于时空Transformer网络的FDIA检测整体模型。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。

以上内容由龙图腾AI智能生成。