Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 青岛理工大学;浙江大学焦绪国获国家专利权

青岛理工大学;浙江大学焦绪国获国家专利权

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!

龙图腾网获悉青岛理工大学;浙江大学申请的专利一种面向风电场功率预测的FDI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:CN120045892B

龙图腾网通过国家知识产权局官网在2026-03-27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:202411933124.5,技术领域涉及:G06F18/21;该发明授权一种面向风电场功率预测的FDI攻击检测方法是由焦绪国;赵鑫鑫;邓瑞龙;韩晔飞;田艳兵;罗浩;黄广帅;张梦瑶设计研发完成,并于2024-12-25向国家知识产权局提交的专利申请。

一种面向风电场功率预测的FDI攻击检测方法在说明书摘要公布了:本发明属于FDI攻击检测技术领域,特别是一种的面向风电场功率预测的FDI攻击检测方法。所述方法包括:首先,运用原则和滑动窗口技术对获取的风电场功率数据进行预处理,将其切割成适合xLSTM‑AE模型处理的训练集、校验集以及测试集。接着,构建xLSTM‑AE模型,并使用上述训练集数据对模型进行训练,同时利用校验集来微调模型参数,以避免过拟合现象。模型训练完成后,根据原则为每台风电机组计算特定的阈值。最后,利用FDI攻击检测器对测试集数据进行FDI攻击检测,将那些平方残差超过各自阈值的测试集数据识别并标记为FDI攻击数据。本发明能够增强风电场功率预测系统的安全性与可靠性,提高风电场的经济效益和电网的稳定性。

本发明授权一种面向风电场功率预测的FDI攻击检测方法在权利要求书中公布了:1.一种面向风电场功率预测的FDI攻击检测方法,其特征在于,包括以下步骤: 1获取风电场功率数据,得到原始数据集; 2对风电功率数据进行预处理; ①为测试FDI攻击检测模型,随机选取原始数据集中某两天的数据作为测试集,其余数据按8:2比例切分为训练集和校验集; ②模拟风电场遭受的FDI攻击,随机选取测试集中的一台风电机组的输出功率数据进行处理,模拟不同类型的FDI攻击,包括基础FDI攻击、隐形FDI攻击和重放攻击; ③采用原则来识别训练集、校验集和攻击后的测试集中的异常值,对于异常值的处理,选择线性插值法而非简单丢弃,以保持时间序列数据的完整性; ④利用滑动窗口技术,对经过①②③步骤后的,训练集、校验集以及测试集数据进行划分,确保样本数量按照以下公式确定: ; 其中,代表数据集的总数据量;代表滑动窗口大小;代表移动步长;表示向下取整操作,确保得到的样本数量是整数; 3xLSTM-AE的训练与校验; xLSTM-AE模型融合了xLSTM单元和自编码器结构,该模型的编码器由两层xLSTM构成,负责将输入的时间序列数据编码成一个固定大小的潜在空间向量,这个向量被存储在模型的中间层,也称为“数据桥”;编码器的第一个xLSTM层拥有的单元数与输入特征的数量相匹配,实现特征到xLSTM单元的直接映射;第二个xLSTM层的单元数则是第一层的一半,这有助于进一步压缩数据并提取更高层次的抽象特征;解码器与编码器结构对称,包含两个xLSTM层,其目标是从潜在空间向量中重建原始输入序列; 给定的风电场输出功率的多元时间序列训练集中,表示输入特征维度,即整场风电机组的数量; xLSTM-AE模型表示为: ; 其中,和分别表示编码和解码过程;表示潜在特征的压缩空间;、分别表示该模型编解码过程中的非线性映射函数;、分别表示该模型编解码过程中的训练权重和偏置的矩阵的集合;表示由风电场输出功率数据组成的训练数据;表示重构的风电场输出功率数据;常规操作中,一般取、; 通过最小化由风电场输出功率数据组成的训练数据与重构的风电场输出功率数据的残差,可得该模型的最佳参数集,如下: ; xLSTM-AE模型的重构误差为: ; 其中,表示台风电机组中在时间处的第台风电机组的风电功率数据;、分别表示该模型编解码过程中的非线性映射函数;表示L2范数,也就是欧几里得距离;和表示该模型的最佳参数集; 4识别被攻击数据; FDI攻击检测器被构建为: ; 其中,表示台风电机组中在时间处的第台风电机组的检测输出,1表示检测到FDI攻击,0表示没有检测到FDI攻击;表示根据无攻击的训练集的平方残差为每台风电机组计算的特定阈值;表示台风电机组中在时间处的第台风电机组的风电功率数据的平方残差,平方残差的计算公式为: ; 其中,表示台风电机组中在时间处的第台风电机组的风电功率数据;、分别表示xLSTM-AE模型的编解码非线性函数;和表示xLSTM-AE模型的最佳参数集; 在使用无攻击的训练集训练xLSTM-AE之后,采用xLSTM-AE检测算法对测试集进行FDI攻击检测。

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青岛理工大学;浙江大学,其通讯地址为:266525 山东省青岛市黄岛区嘉陵江东路777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。

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。