CN104657915B - 一种动态自适应的电力系统终端安全威胁评估方法 - Google Patents

Abstract

本发明涉及一种动态自适应的电力系统终端安全威胁评估方法，包括：数据采集及数据清洗；特征提取：针对电力系统终端产生的独立数据，通过特征提取建立所述电力系统终端的特征向量；构建评估模型；构造评价集；模糊评判：根据评判样本总体和各评判分，构造评判矩阵；量化评价结果。本发明从层次模型的角度出发，通过设置关联矩阵，能够保证层与层之间在一方受到影响时，威胁效果可以传遍整个模型，从而实现对于环境动态变化的风险评估。本发明中设立了策略集，当需要动态调整时首先从策略集中选择策略，从而更快速的应用模型给出评估效果，效率大大提高。

Description

一种动态自适应的电力系统终端安全威胁评估方法

技术领域

本发明涉及电力系统安全威胁评估技术领域的评估方法，具体讲涉及一种动态自适应的电力系统终端安全威胁评估方法。

背景技术

随着电力系统与实际物理世界的交流互动越发频繁，电力终端的安全性面临着越来越多的挑战。充分挖掘监测数据信息，为终端风险评估和安全防护成为了电力系统重要的方向之一，尤其是信息物理融合的发展，对电力系统终端安全性的评估的关注更加迫切。

目前已经有多种安全性的评估模型，层次分析模型从安全的分层分级的角度，建立终端的安全性评估层次结构，通过结构之间的相互影响来达到安全性的传递，继而计算终端的安全性评估量化值。然而缺少了动态评估的考虑，使得物理环境变化时，安全性评估模型的适应性较差，不利于实际部署应用。基于神经网络算法的动态风险评估需要使用大量的历史数据训练网络，计算复杂度较高，通常在数据变化之后都需要重新训练网络，对于环境的动态适应性有较大的局限，另外，数据训练也存在过度训练及网络不稳定的问题。基于隐马尔科夫模型的算法在理论上有较强的理论指导，在实际使用时要面临数据异常造成的模型算法偏差较大的问题。

发明内容

为解决上述现有技术中的不足，本发明的目的是提供一种动态自适应的电力系统终端安全威胁评估方法，本发明从层次模型的角度出发，通过设置关联矩阵，能够保证层与层之间在一方受到影响时，威胁效果可以传遍整个模型，从而实现对于环境动态变化的风险评估。本发明中设立了策略集，当需要动态调整时首先从策略集中选择策略，从而更快速的应用模型给出评估效果，效率大大提高。

为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

本发明的目的是采用下述技术方案实现的：

本发明提供一种动态自适应的电力系统终端安全威胁评估方法，其改进之处在于，所述方法包括下述步骤：

采集数据及清洗数据；

(2)特征提取：提取电力系统终端产生的独立数据建立所述电力系统终端的特征向量；

(3)构建评估模型；

(4)构造评价集；

(5)模糊评判：根据评判样本总体和各评判分，构造评判矩阵；

(6)量化评价结果。

进一步地，所述步骤(1)中，设定在时间区间T范围内对电力系统终端进行安全威胁评估，对待分析的电力系统终端历史数据提取所述时间区间的历史监控数据，包括终端的数据流量、均值和方差统计数据；检测所述历史监控数据并清洗错误数据和范围异常数据。

进一步地，所述步骤(2)中，针对电力系统终端产生的独立数据，通过特征提取建立电力系统终端的特征向量，记为：其中：i,j,k分别为第1、2、3层的第i个、第j个、第k个影响因素。

进一步地，所述步骤(3)包括下述步骤：

①根据ISO17799设立10个因素子集，并建立三层评估模型；

②自底向上逐层构建每一层的关系矩阵；设立每一层因素之间的权重系数，表明每一个因素在该层评估中的重要程度；

③根据特征向量之间的距离，即向量的二范数判断相关因素之间是否存在异常；在出现异常时表明环境因素出现变化，并根据阈值调整权向量，改变因素之间的权值；或是建立多个关联矩阵和权值向量的策略集，在监测到特征向量数据明显差异时从策略集中挑选备选策略；

④设立反馈调节向量(权值调整矩阵W_i的每一行向量，例如W_i矩阵中的向量表示层与层之间因素的相关关系；在环境因素变化的情况下，影响因素a很可能成为影响因素b的影响因素，在影响因素关系矩阵中考虑建立有向关联系数矩阵，对每一行每一列的关系矩阵设置权值。

进一步地，所述步骤①中，根据ISO17799的规定，将影响威胁因素集(影响威胁因素包括物理环境、温度、湿度等因素)分为10个因素子集；根据分析的电力系统终端结构，按照10个子集逐层划分的方式确立待分析的电力系统终端结构；将10个因素子集记为：U＝{U₀,U₁,…,U₉}；再根据安全评估要求将每个因素子集分成：U_i＝{U_i,0,U_i,1,…,U_i,n}所示的子集，其中：i表示因素子集的标号，i∈{0,…9}；再将每个因素子集U_i,j细化为为U_i,j＝{u_i,j,1,u_i,j,2,…,u_i,j,m}若干所示的因素集合，其中i∈{0,…9},j∈{0,…,n}；m为U_i,j中所含元素的个数；

所述步骤②中，采用步骤①建立的三层评估模型，将每一个细化的子集评估结果作为上一个子集评估过程的输入；在第三层中，通过权重系数a_i,j,k表明各因素的重要程度；对每一个u_i,j,k存在一个权重系数a_i,j,k，记为：A_i,j＝[a_i,j,0,a_i,j,1,…,a_i,j,m]；

设立关系矩阵和权重向量来表示第二层中各因素之间的数值关系，记为：

A_i＝[a_i,0,a_i,1,…,a_i,n]和

设立关系矩阵和权重向量来表示第一层中各因素之间的数值关系，记为：

A＝[a₀,a₁,…,a₉]和

所述步骤③中，对每一层采用下述方式来实现动态可变权重系数和关联关系，以增强其适应性，包括：

a)读取各个终端历史监测数据，建立特征向量和以电力系统终端第k个和第l个终端作为研究对象；

b)计算第k个终端到第l个终端特征向量的二范数：即两个检测数据特征向量之间的距离；

c)确定其他终端之间的距离t_i,j,i∈{1,2,…n},j∈{1,2,…n},i≠j；

d)根据上述计算结果得出第a时刻的距离矩阵：

所述距离矩阵为对称矩阵，且t_i,i,i＝{0,1,…,n}恒为0；

e)通过检测数据计算第b时刻的距离矩阵T^b；

f)使用矩阵2-范数表示矩阵的相对距离：

矩阵的2范数为：

其中λ_max((T^ba)^T·T^ba)表示矩阵转置与原矩阵乘积的最大特征值，此时的最大值下标为s,t；

g)给定阈值e，使得相对距离在阈值范围内，否则进行调整。

进一步地，所述步骤g)包括下述调整方案：

(i)调整方案一：

对权值向量A_i＝[a_i,0,a_i,1,…,a_i,n]的分量进行调整：设||T^ba||_s,t≥e，则针对终端s和t，调用历史数据检测数据异常的电力系统终端；若终端s的监测数据与历史数据偏差大于终端t的数据偏差，则需要修改终端s的权值比重，以增加终端s的数据异常所产生的影响；设变动步长为β，则权值向量调整为：a_i,s+β，a_t,s-β；其中：β使得变动后的分量值不小于0；

(ii)调整方案二：

设矩阵W_i为权值调整矩阵：

即通过权值调整矩阵，为关系矩阵的各个分量之间设定重要程度，通过加权实现，加权矩阵的每一行和每一列之和均为1；

对关系矩阵的分量调整：设||T^ba||_s,t≥e且s和t记录此时的异常终端；对历史数据分片采样计算，{b₁,a₁},{b₂,a₂},…{b_k-1,a_k-1}共k-1个时间片段；若异常出现的频度大于设定值f，则的概率置信为电力系统终端所在的上一层影响因素出现稳定变化；若此两终端分别在不同的上层分层中，则对上一层的关系矩阵进行调整，调整如下：设s和t分别在不同的上层分层S和T中，则分别计算S和T的历史数据偏差；若S的偏差明显大于T的偏差，则需要修改S的关联矩阵影响因子；设调整步进为γ，则调整后的权值矩阵为：

(iii)调整方案三：

策略集：选择个历史时间片段，每一次调整权值向量和权值矩阵分别形成个动态调整组合方案：；根据历史记录数据和监测计算数据计算偏差，当上层与下层间的数据偏差之一出现异常，根据设定的阈值判断调整权限的时机；若在某时刻需要动态调整，则从选择合适的调整方案；选择的方式参考方案(i)或(ii)，其中根据变化的参数决定策略集中最优策略，实现动态适应调整。

进一步地，所述步骤(4)中，设V＝{v₀,v₁,v₂,v₃,v₄}为评价集，各分量分别表示不可 接受、风险、可接受、实用和安全五个级别；按照7个方面进行打分：一致性、可用性、适应性、 可行性、完整性、有效性和可信性；7种打分分别取值0和1，则评价分值

进一步地，所述步骤(5)采用自下而上方法逐层进行，包括：

<1>第三层模糊评估：按照因素集U_i,j中第k个子因素u_i,j,k进行评判，评判对象属于评价集中v_i的隶属度为其中l＝0,1,…,4，z为专家的总人数，v_l′是所有专家中认为评判对象隶属于v_l的专家人数，则评判矩阵为：

其中：m为U_i,j中所含元素的个数；U_i,j的模糊综合评价集为：

<2>第二层模糊评估：在第二层中结合权重向量和关系矩阵以及动态适应性；则U_i中的模糊评价矩阵为：

<3>第一层模糊评估的评判矩阵为：

B＝{b₀,b₁,…,b₄}表示第一层的安全威胁评估向量。

进一步地，所述步骤(6)中的量化评价结果：采取量化综合法，对最终结果进行量化评分；设评价集中权重向量为：

d＝{d₀,d₁,…,d₄} 11)；

则量化分值结果为：Value＝b₀×d₀+b₁×d₁+…+b₄×d₄。

与最接近的现有技术相比，本发明提供的技术方案具有的优异效果是：

(1)本发明利用历史监测数据，统计分析终端状态的异常，判断终端威胁评估的时机以及开展评估参数自适应修正的时机；

(2)本发明从层次模型的角度出发，通过设置关联矩阵，能够保证层与层之间在一方受到影响时，威胁效果可以传遍整个模型，从而实现对于环境动态变化的风险评估。本发明中设立了策略集，当需要动态调整时首先从策略集中选择策略，从而更快速的应用模型给出评估效果，效率大大提高。

为了上述以及相关的目的，一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明某些示例性方面，并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显，所公开的实施例是要包括所有这些方面以及它们的等同。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明提供的动态自适应的电力系统终端安全威胁评估方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，本发明的这些实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。

本发明所要解决的技术问题在于：提供一种利用动态矩阵及层次分析模型方法即能达到终端风险动态评估效果的方法，使得电力系统终端风险动态评估更加高效。

如图1所示，为本发明提供的动态自适应的电力系统终端安全威胁评估方法的流程图，本发明提供一种考虑影响因素动态变化的基于ISO17799的电力系统动态风险评估方法，具有较好的适应性和可扩展性，包含以下步骤：

(1)采集数据：设定在时间区间范围内对电力系统终端进行安全威胁评估，对待分析的终端历史数据提取该时间区间的所有历史监控数据(包括终端的数据流量、均值、方差等统计数据)。对这些历史数据本身进行检测(电力系统状态估计中不良数据识别的新方法，Proceedings of 2010The 3rd International Conference on Power Electronicsand Intelligent Transportation System(Volume 5)，2010)，清洗各独立数据的明显异常数据(包括错误数据、范围异常数据等)。

(2)特征提取：针对各终端产生的独立数据，通过特征提取建立各个终端的特征向量(一种电力系统风险评估共因故障采样方法，CN201310519636，2013)，记为：(i,j,k分别为第1、2、3层的第i个、第j个、第k个影响因素)。

(3)构建评估模型：

①根据ISO17799的规定，将因素集分为10个因素子集。根据分析的电力系统终端结构，按照10个子集逐层划分的方式确立待分析的终端结构。将10个因素集记为：U＝{U₀,U₁,…,U₉}。再将每个子集根据安全评估要求分成若干个子集记为：U_i＝{U_i,0,U_i,1,…,U_i,n}，其中i∈{0,…9}。再在此基础上，将每个子集U_i,j细化为若干因素集合记为：U_i,j＝{u_i,j,1,u_i,j,2,…,u_i,j,m}，其中i∈{0,…9},j∈{0,…,n}。

②设立每一层的各因素之间的权重系数，表明每一个因素在这一层评估中的重要程度：采用上述三层评估模型，将每一个细化的子集评估结果作为上一个子集评估过程的输入。在第三层中，考虑到这一层的安全因素是评估中的最小单位，这一层不考虑元素之间的关系，通过权重系数a_i,j,k表明各因素的重要程度。对应每一个u_i,j,k而言，存在一个权重系数a_i,j,k，记为：A_i,j＝[a_i,j,0,a_i,j,1,…,a_i,j,m]。

③根据特征向量之间的距离(向量的2范数)来判断相关因素之间是否存在异常。在出现异常时表明环境因素已经出现变化，从而根据阈值调整权向量，改变因素之间的权值。另外一种考虑是建立多个关联矩阵和权值向量的策略集，在监测到特征向量数据明显差异时从策略集中挑选备选策略。

第二层中各因素之间存在依赖关系，因此设立关系矩阵和权重向量来表示这一层中各因素之间的数值关系，记为：

A_i＝[a_i,0,a_i,1,…,a_i,n]和

第一层中类似的可以表示为：

A＝[a₀,a₁,…,a₉]和

通常，根据实际电力系统应用建立具体模型之后，依据专家经验或者数据分析结果得出具体的权重系数值和关系矩阵。在涉及环境因素变化时，权重向量各分量缺乏适应性，而关系矩阵更是根据各因素的关联关系确定之后基本保持不变。特别的，对于r_i,j与r_j,i的关系，通常会假设为倒数关系，及r_i,j*r_j,i＝1，缺乏灵活性。因此，针对每一层(以第三层为例)，此步采用三种方式来实现动态可变权重系数和关联关系，以增强其适应性。

a)读取各个终端历史监测数据，建立特征向量和(此处以终端层第k个和第l个终端作为研究对象)；

b)计算第k个终端到第l个终端特征向量的二范数：即两个检测数据特征向量之间的距离；

c)同理可以得出其他终端之间的距离t_i,j,i∈{1,2,…n},j∈{1,2,…n},i≠j；

d)根据上述计算结果得出第m时刻的距离矩阵：

由于距离不存在方向性，故得出此矩阵为对称矩阵，并且t_i,i,i＝{0,1,…,n}恒为0；

e)通过检测数据计算第n时刻的距离矩阵Tⁿ；

f)计算矩阵的相对距离(使用矩阵2-范数来表示矩阵的距离)：

矩阵的2范数为：

其中λ_max(T^nmT·T^nm)表示矩阵转置与原矩阵乘积的最大特征值，计此时的最大值下标为s,t；

g)给定阈值e，使得相对距离在阈值范围内，否则需要进行以下调整：

(i)调整方案一：

对权值向量A_i＝[a_i,0,a_i,1,…,a_i,n]的分量进行调整：设||T^nm||_s,t≥e，则针对终端s和t，调用历史数据检测此终端的数据异常为哪个终端。若终端s的监测数据与历史数据偏差明显大于终端t的数据偏差，则需要修改终端s的权值比重，以增加终端s的数据异常所产生的影响。设变动步长为β(β使得变动后的分量值不小于0)，则权值向量调整为：a_i,s+β，a_t,s-β；

(ii)调整方案二：

由于环境因素变化，因素之间的影响关系和重要关系也会随着变化。例如天气变化会直接影响到物理设备的温度及能耗，两者变化有一定的伴随关系，因此两者权重也将出现彼强此若的相互影响关系。以第二层为例，设矩阵W_i为权值调整矩阵：

即通过权值调整矩阵，为关系矩阵的各个分量之间设定重要程度，通过加权思想来实现。加权矩阵的每一行和每一列之和均为1。

对关系矩阵的分量调整：同样，设||T^nm||_s,t≥e且s和t记录此时的异常终端；对历史数据分片采样计算，{n₁,m₁},{n₂,m₂},…{n_k-1,m_k-1}一共k-1个时间片段。若此异常出现的频度大于某设定值，设为f，则可以的概率置信为此终端所在的上一层影响因素出现稳定变化。若此两终端分别在不同的上层分层中，则需要对上一层的关系矩阵进行调整。设s和t分别在不同的上层分层S和T中，则分别计算S和T的历史数据偏差(与第(i)中判别方法类似)。若S的偏差明显大于T的偏差，则需要修改S的关联矩阵影响因子。设调整步进为γ，则调整后的权值矩阵为：

(iii)调整方案三：

通过前两种方案的分析，可以选择M个历史时间片段，每一次调整权值向量和权值矩阵同时进行，从而形成M个动态调整组合方案：我们称之为策略集。根据历史记录数据和监测计算数据计算偏差，当上层与下层的数据偏差之一出现异常，根据设定的阈值e来判断调整权限的时机。若在某时刻需要动态调整，则从备选的方案集合中选择合适的调整方案。选择的方式参考(i)和(ii)，其中根据变化的参数来决定策略集中最优策略，从而实现动态适应调整。

④设立反馈调节向量，表示层与层之间因素的相关关系。在环境因素变化的情况下，影响因素a很可能成为影响因素b的影响因素，因此在影响因素关系矩阵中考虑建立有向关联系数矩阵，对每一行每一列的关系矩阵设置权值。

(4)构造评价集：将打分因素分散到7个方面，根据安全、实用、可接受、风险和不可接受五个级别给出打分；

构造评价集：设V＝{v₀,v₁,v₂,v₃,v₄}为评价集，各分量分别表示“不可接受”、“风险”、“可接受”、“实用”和“安全”五个级别。在专家评价中，为减少主观成分，按照7个方面进行打分：一致性、可用性、适应性、可行性、完整性、有效性和可信性。7种打分取值0和1，则评价分值根据分值对应到评价集中，如下表1所示：

表1评价分值表

	v0	v1	v2	v3	v4
						C	0,1	2,3	4,5	6	7

(5)模糊评判：根据评判样本总体和各评判分，构造评判矩阵；

1)第三层模糊评估：按照因素集U_i,j中第k个子因素u_i,j,k进行评判，评判对象属于平湖集中v_i的隶属度为其中l＝0,1,…,4，m为专家的总人数，v_l′是所有专家中认为评判对象隶属于v_l的专家人数。因此评判矩阵为：

其中m为U_i,j中所含元素的个数。根据上述定义，U_i,j的模糊综合评价集为：

2)第二层模糊评估：这一层需要考虑权重向量和关系矩阵，同时还需要考虑动态适应性。因此，类似于第一层的思想，U_i中的模糊评价矩阵为：

3)第一层模糊评估：与第二层类似，可以得出评判矩阵为：

(6)量化评价结果：根据评价集的权重分布，对上述模糊评价结果做加权求和，其数值即为此风险评估量化值。

量化评价结果：根据第(5)步计算结果，采取量化综合的方法，对最终结果进行量化评分。设评价集中权重向量为d＝{d₀,d₁,…,d₄}，则量化分值结果为：Value＝b₀×d₀+b₁×d₁+…+b₄×d₄。

本发明提出的基于动态可变关联矩阵的电力系统终端安全威胁评估方法能够动态适应环境变化时威胁评估需求，并且理论模型简单，计算结果清晰，能够升级为自适应电力系统动态威胁评估模型。

除非另外具体陈述，术语比如处理、计算、运算、确定、显示等等可以指一个或更多个处理或者计算系统、或类似设备的动作和/或过程，所述动作和/或过程将表示为处理系统的寄存器或存储器内的物理(如电子)量的数据操作和转换成为类似地表示为处理系统的存储器、寄存器或者其他此类信息存储、发射或者显示设备内的物理量的其他数据。信息和信号可以使用多种不同的技术和方法中的任何一种来表示。例如，在贯穿上面的描述中提及的数据、指令、命令、信息、信号、比特、符号和码片可以用电压、电流、电磁波、磁场或粒子、光场或粒子或者其任意组合来表示。

本发明公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。

上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (6)

1.一种动态自适应的电力系统终端安全威胁评估方法，其特征在于，所述方法包括下述步骤：

(1)采集数据及清洗数据；

(2)特征提取：提取电力系统终端产生的独立数据建立所述电力系统终端的特征向量；

(3)构建评估模型；

(4)构造评价集；

(5)模糊评判：根据评判样本总体和各评判分，构造评判矩阵；

(6)量化评价结果；

所述步骤(3)包括下述步骤：

①根据ISO17799设立10个因素子集，并建立三层评估模型；

②自底向上逐层构建每一层的关系矩阵；设立每一层因素之间的权重系数，表明每一个因素在该层评估中的重要程度；

③根据特征向量之间的距离，即向量的二范数判断相关因素之间是否存在异常；在出现异常时表明环境因素出现变化，并根据阈值调整权向量，改变因素之间的权值；或是建立多个关联矩阵和权值向量的策略集，在监测到特征向量数据明显差异时从策略集中挑选备选策略；

④设立反馈调节向量，表示层与层之间因素的相关关系；在环境因素变化的情况下，影响因素a很可能成为影响因素b的影响因素，在影响因素关系矩阵中考虑建立有向关联系数矩阵，对每一行每一列的关系矩阵设置权值；

所述步骤①中，根据ISO17799的规定，将影响威胁因素集分为10个因素子集；根据分析的电力系统终端结构，按照10个子集逐层划分的方式确立待分析的电力系统终端结构；将10个因素子集记为：U＝{U₀,U₁,…,U₉}；再根据安全评估要求将每个因素子集分成：U_i＝{U_i,0,U_i,1,…,U_i,n}所示的子集，其中：i表示因素子集的标号，i∈{0,…9}；再将每个因素子集U_i,j细化为为U_i,j＝{u_i,j,1,u_i,j,2,…,u_i,j,m}若干所示的因素集合，其中i∈{0,…9},j∈{0,…,n}；m为U_i,j中所含元素的个数；

所述步骤②中，采用步骤①建立的三层评估模型，将每一个细化的子集评估结果作为上一个子集评估过程的输入；在第三层中，通过权重系数a_i,j,k表明各因素的重要程度；对每一个u_i,j,k存在一个权重系数a_i,j,k，记为：A_i,j＝[a_i,j,0,a_i,j,1,…,a_i,j,m]；

设立关系矩阵和权重向量来表示第二层中各因素之间的数值关系，记为：

设立关系矩阵和权重向量来表示第一层中各因素之间的数值关系，记为：

所述步骤③中，对每一层采用下述方式来实现动态可变权重系数和关联关系，以增强其适应性，包括：

a)读取各个终端历史监测数据，建立特征向量和以电力系统终端第k个和第l个终端作为研究对象；

b)计算第k个终端到第l个终端特征向量的二范数：即两个检测数据特征向量之间的距离；

c)确定其他终端之间的距离t_i,j,i∈{1,2,…n},j∈{1,2,…n},i≠j；

d)根据上述计算结果得出第a时刻的距离矩阵：

所述距离矩阵为对称矩阵，且t_i,i,i＝{0,1,…,n}恒为0；

e)通过检测数据计算第b时刻的距离矩阵T^b；

f)使用矩阵2-范数表示矩阵的相对距离：

矩阵的2范数为：

其中λ_max((T^ba)^T·T^ba)表示矩阵转置与原矩阵乘积的最大特征值，此时的最大值下标为s,t；

g)给定阈值e，使得相对距离在阈值范围内，否则进行调整；

所述步骤g)包括下述调整方案：

(i)调整方案一：

对权值向量A_i＝[a_i,0,a_i,1,…,a_i,n]的分量进行调整：设||T^ba||_s,t≥e，则针对终端s和t，调用历史数据检测数据异常的电力系统终端；若终端s的监测数据与历史数据偏差大于终端t的数据偏差，则需要修改终端s的权值比重，以增加终端s的数据异常所产生的影响；设变动步长为β，则权值向量调整为：a_i,s+β，a_t,s-β；其中：β使得变动后的分量值不小于0；

(ii)调整方案二：

设矩阵W_i为权值调整矩阵：

即通过权值调整矩阵，为关系矩阵的各个分量之间设定重要程度，通过加权实现，加权矩阵的每一行和每一列之和均为1；

调整关系矩阵的分量：设||T^ba||_s,t≥e且s和t记录此时的异常终端；分片采样计算历史数据，{b₁,a₁},{b₂,a₂},…{b_k-1,a_k-1}共k-1个时间片段；若异常出现的频度大于设定值f，则的概率置信为电力系统终端所在的上一层影响因素出现稳定变化；若此两终端分别在不同的上层分层中，则对上一层的关系矩阵进行调整，调整如下：设s和t分别在不同的上层分层S和T中，则分别计算S和T的历史数据偏差；若S的偏差明显大于T的偏差，则需要修改S的关联矩阵影响因子；设调整步进为γ，则调整后的权值矩阵为：

(iii)调整方案三：

策略集：选择M个历史时间片段，每一次调整权值向量和权值矩阵分别形成M个动态调整组合方案：根据历史记录数据和监测计算数据计算偏差，当上层与下层间的数据偏差之一出现异常，根据设定的阈值e判断调整权限的时机；若在某时刻需要动态调整，则从选择合适的调整方案；选择的方式参考方案(i)或(ii)，其中根据变化的参数决定策略集中最优策略，实现动态适应调整。

2.如权利要求1所述的电力系统终端安全威胁评估方法，其特征在于，所述步骤(1)中，设定在时间区间T范围内对电力系统终端进行安全威胁评估，对待分析的电力系统终端历史数据提取所述时间区间的历史监控数据，包括终端的数据流量、均值和方差统计数据；检测所述历史监控数据并清洗错误数据和范围异常数据。

3.如权利要求1所述的电力系统终端安全威胁评估方法，其特征在于，所述步骤(2)中，提取电力系统终端产生的独立数据建立电力系统终端的特征向量，记为：其中：i,j,k分别为第1、2、3层的第i个、第j个、第k个影响因素。

4.如权利要求1所述的电力系统终端安全威胁评估方法，其特征在于，所述步骤(4)中，设V＝{v₀,v₁,v₂,v₃,v₄}为评价集，各分量分别表示不可接受、风险、可接受、实用和安全五个级别；按照7个方面进行打分：一致性、可用性、适应性、可行性、完整性、有效性和可信性；7种打分分别取值0和1，则评价分值

5.如权利要求1所述的电力系统终端安全威胁评估方法，其特征在于，所述步骤(5)采用自下而上方法逐层进行，包括：

<1>第三层模糊评估：按照因素集U_i,j中第k个子因素u_i,j,k进行评判，评判对象属于评价集中v_i的隶属度为其中l＝0,1,…,4，z为专家的总人数，v′_l是所有专家中认为评判对象隶属于v_l的专家人数，则评判矩阵为：

其中：m为U_i,j中所含元素的个数；U_i,j的模糊综合评价集为：

<2>第二层模糊评估：在第二层中结合权重向量和关系矩阵以及动态适应性；则U_i中的模糊评价矩阵为：

<3>第一层模糊评估的评判矩阵为：

B＝{b₀,b₁,…,b₄}表示第一层的安全威胁评估向量。

6.如权利要求1所述的电力系统终端安全威胁评估方法，其特征在于，所述步骤(6)中的量化评价结果：采取量化综合法，对最终结果进行量化评分；设评价集中权重向量为：

d＝{d₀,d₁,…,d₄} 11)；

则量化分值结果为：Value＝b₀×d₀+b₁×d₁+…+b₄×d₄。