CN109472146A - 基于ahp-ann的配电自动化主站信息交换安全评估方法 - Google Patents

基于ahp-ann的配电自动化主站信息交换安全评估方法 Download PDF

Info

Publication number
CN109472146A
CN109472146A CN201811154195.XA CN201811154195A CN109472146A CN 109472146 A CN109472146 A CN 109472146A CN 201811154195 A CN201811154195 A CN 201811154195A CN 109472146 A CN109472146 A CN 109472146A
Authority
CN
China
Prior art keywords
power distribution
new generation
main station
distribution automation
automation main
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811154195.XA
Other languages
English (en)
Other versions
CN109472146B (zh
Inventor
丁
丁一
张磐
王旭东
马世乾
吴磊
葛磊蛟
黄潇潇
霍现旭
李国栋
时燕新
于光耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Original Assignee
Tianjin University
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University, State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical Tianjin University
Priority to CN201811154195.XA priority Critical patent/CN109472146B/zh
Publication of CN109472146A publication Critical patent/CN109472146A/zh
Application granted granted Critical
Publication of CN109472146B publication Critical patent/CN109472146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/577—Assessing vulnerabilities and evaluating computer system security
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/03—Indexing scheme relating to G06F21/50, monitoring users, programs or devices to maintain the integrity of platforms
    • G06F2221/034—Test or assess a computer or a system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及基于AHP‑ANN的新一代配电自动化主站信息交换安全评估方法，其技术特点在于：包括以下步骤：步骤1、构建新一代配电自动化主站信息交换安全评估指标体系；步骤2、应用层次分析法AHP求取指标赋权，并用神经网络算法对指标赋权进行修正，获得新一代配电自动化主站信息交换安全评估指标的赋权值；步骤3、开展新一代配电自动化主站信息交换安全评估。本发明实现对新一代配电自动化主站信息交换安全的评价，能够可靠、高效地指导用户或企业实现新一代配电自动化主站信息交换。

Description

基于AHP-ANN的配电自动化主站信息交换安全评估方法
技术领域
本发明属于配电网技术领域，涉及配电自动化主站信息交换安全评估方法，尤其是一种基于AHP-ANN的配电自动化主站信息交换安全评估方法。
背景技术
目前，新一代配电自动化主站与点多面广、分散无序的海量配电终端进行信息通信与互动，一方面海量配电终端与智能配电网子站采用不同的通信方法和通信协议，通信的信号受环境、温度、电磁等干扰方式多样，长出现数据丢包、数据采集失真等问题；另一方面，智能配电网自动化子站与智能配电网自动化主站之间大多数采用光纤通信，但是通信协议、通信加密方式等不同地域、不同电网业主有一定的差异性，也常受到来自内部人员的泄密，以及外部黑客的数据窃取攻击。为此，本发明针对新一代配电自动化主站信息交换安全所面临的外部干扰、信息失真、外部攻击等多方面的技术问题，提出一种基于AHP-ANN的新一代智能配电网主站信息交换安全评估方法。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种设计合理、安全可靠且能够高效地指导用户或企业实现新一代配电自动化主站信息交换的基于AHP-ANN的配电自动化主站信息交换安全评估方法。
本发明解决其现实问题是采取以下技术方案实现的：
一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法，包括以下步骤：
步骤1、分析新一代配电自动化主站信息交换安全面临的影响因素，构建新一代配电自动化主站信息交换安全综合评估指标体系；
步骤2、应用层次分析法AHP求解新一代配电自动化主站信息交换安全评估指标的赋权值；
步骤3、根据多次AHP的赋权值，应用神经网络方法，对层次分析法所得的新一代配电自动化主站信息交换安全评估指标的赋权值进行修正；
步骤4、进行新一代配电自动化主站信息交换安全综合评估。
而且，所述步骤1的新一代配电自动化主站信息交换安全综合评估指标体系M包括：运行状态指标M1、配置方式指标M2、运行工况指标M3和管理安全指标M4；
所述步骤1的运行状态指标M1包括新一代配电自动化主站系统的设备合格率M11、入网检测成功率指标M12、运行安装环境的标准化率M13和家族缺陷M14，采用下式计算公式：
M11＝U/N*100％
式中，M11是设备合格率；U是安装调试成功的设备总数；N是工程中实际安装的设备总数；
M12＝B/C*100％
式中，M12是入网检测成功率；B是一个批次内抽查的新一代配电自动化主站系统组成设备成功的总数；C是一个批次内新一代配电自动化主站设备总数；
M13＝D/C*100％
式中，M13是新一代配电自动化主站系统运行安装环境标准化率；D是一个批次内抽查的新一代配电自动化主站系统按照新一代配电自动化主站系统安装规程进行标准化安装总数；C是一个批次内新一代配电自动化主站系统总数；
式中，M14是产品本身的设计缺陷，是各个供应商提供的基本产品性能数据，可从配电自动化管理系统读取该数据；
所述步骤1的配置方式指标M2包括典型配置方式率M21、型号匹配度M22和封闭性能M23，采用下式计算公式：
M21＝F/D*100％
式中，M21是新一代配电自动化主站系统典型配置方式率；F是同一批次配置有三种以上通信方式的新一代配电自动化主站系统总数；D是同一批次新一代配电自动化主站系统的总数；
M22＝X/T*100％
式中，M22是型号匹配度；X是一定区域范围内同一批次同一厂家同一型号数量最大的新一代配电自动化主站系统总数；T是一定区域范围内的新一代配电自动化主站系统总数；
M23＝Y/S*100％
式中，M23是一个区域内的配电自动化主站设备封闭性能；Y是一个区域内同一批次具有封闭性能的新一代配电自动化主站设备总数；S是一个区域内同一批次新一代配电自动化主站设备总数。
所述步骤1的运行工况指标M3包括运行温度M31、运行湿度M32、运行的负荷率M33和运行磁场强度M34，M33采用下式计算公式：
M33＝V/Z*100％
式中，M33是运行的负荷率；V是一定区域范围内同一批次新一代配电自动化主站系统每月具有正常数据的总数；Z是一定区域范围内同一批次新一代配电自动化主站系统的安装总数；
所述步骤1的管理安全指标M4包括新一代配电自动化主站系统年受攻击总次数M41和新一代配电自动化主站系统安全运行时间M42；
而且，所述步骤2的具体步骤包括：
(1)建立新一代配电自动化主站信息交换安全评估指标的层次；
根据新一代配电自动化主站信息交换安全评估指标体系组成，构建指标体系层次：目标层、准则层和方案层；
(2)根据专家打分标度表，选择专家对新一代配电自动化主站信息交换安全评估的指标层次进行两两比较打分；
(3)构造区间判断矩阵A
专家根据比例标度法对同层各指标相对于上一层指标重要性进行两两比较打分，构建判断矩阵A，并对应元素aij的取值如下：
其中，i＝1,…,n；j＝1,…,n；n是指单层指标的个数总数；
(4)利用幂法，计算判断矩阵A的最大特征值λmax及特征向量ξ；
(5)进行一致性检验：
若判断矩阵A的相对一致性CR小于0.1，则认为判断矩阵A可行，通过一致性检验，通常CR值越小越好。若判断矩阵A的CR不满足小于0.1，没有通过一致性检验，则退回第2步重新两两比较，重新构造合格的判断矩阵A；
其中，CR的计算如公式如下：
(6)由Aξ＝λmaxwIAHP确定层次结构模型中各指标的权重wAHP
而且，所述步骤3的具体步骤包括：
(1)针对任意一个指标，采集M次不同的层次分析法所形成的指标权重为{x1,x2,…,xM}作为人工神经网络的基础输入数据；
(2)选取阈值函数作为神经元激活函数，并使任意一个输入数据两两交叉，形成前向网络的人工神经网络神经元连接形式；
(3)选用wi＝r1x1+r2x2+…+rmxm作为人工神经网络学习后的输出，对层次分析法所得的新一代配电自动化主站信息交换安全评估指标的赋权值wAHP进行修正；
其中，r1,r2,…,rm是学习随机因子，由神经网络的自适应生成。
而且，所述步骤4的具体方法为：根据实际情况对每一个新一代配电自动化主站信息交换安全评估的指标进行综合计算获得指标分值，然后将每一个指标分值与赋权值相乘，并依次求和，得到新一代配电自动化主站信息交换安全评估值F，其计算公式如下：
其中，Mi是第i个新一代配电自动化主站信息安全评估的指标分值；Wi是第i个新一代配电自动化主站信息安全评估指标的赋权值。
本发明的优点和有益效果：
1、本发明针对新一代配电自动化主站信息交换所面临的外部干扰、信息失真、外部攻击等安全保障难的问题，提出了一种新一代智能配电自动化主站信息交换安全评估方法，实现对新一代配电自动化主站信息交换安全的评价，及时发现新一代配电自动化主站信息交换存在的缺点，从而能够可靠、高效地指导用户或企业实现新一代配电自动化主站信息交换。
2、本发明通过新一代配电自动化主站信息交换安全综合评估指标获知新一代配电自动化主站信息交换安全的情况，为区域范围内的新一代配电自动化主站信息交换安全预判提供了有效的建议和可靠指导。
具体实施方式
以下对本发明实施例作进一步详述：
一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法，包括以下步骤：
步骤1、分析新一代配电自动化主站信息交换安全面临的影响因素，构建新一代配电自动化主站信息交换安全综合评估指标体系；
所述步骤1的新一代配电自动化主站信息交换安全综合评估指标体系M包括：运行状态指标M1、配置方式指标M2、运行工况指标M3和管理安全指标M4。
下面分别对四个指标体系进行详细阐述：
所述步骤1的运行状态指标M1包括新一代配电自动化主站系统的设备合格率M11、入网检测成功率指标M12、运行安装环境的标准化率M13和家族缺陷M14，采用下式计算公式：
M11＝U/N*100％ (1)
式中，M11是设备合格率；U是安装调试成功的设备总数；N是工程中实际安装的设备总数；
M12＝B/C*100％ (2)
式中，M12是入网检测成功率；B是一个批次内抽查的新一代配电自动化主站系统组成设备成功的总数；C是一个批次内新一代配电自动化主站设备总数；
M13＝D/C*100％ (3)
式中，M13是新一代配电自动化主站系统运行安装环境标准化率；D是一个批次内抽查的新一代配电自动化主站系统按照新一代配电自动化主站系统安装规程进行标准化安装总数；C是一个批次内新一代配电自动化主站系统总数；
式中，M14是产品本身的设计缺陷，是各个供应商提供的基本产品性能数据，可从配电自动化管理系统读取该数据；
在本实施例中，M14是以一年为评估周期，电网企业对配电自动化设备供应商的产品情况进行综合打分，以100分为基准，上一年度发生产品缺陷一次扣除10分，可从配电自动化管理系统读取该数据；
所述步骤1的配置方式指标M2包括典型配置方式率M21、型号匹配度M22和封闭性能M23，采用下式计算公式。
M21＝F/D*100％ (5)
式中，M21是新一代配电自动化主站系统典型配置方式率；F是同一批次配置有三种以上通信方式的新一代配电自动化主站系统总数；D是同一批次新一代配电自动化主站系统的总数；
M22＝X/T*100％ (6)
式中，M22是型号匹配度；X是一定区域范围内同一批次同一厂家同一型号数量最大的新一代配电自动化主站系统总数；T是一定区域范围内的新一代配电自动化主站系统总数；
M23＝Y/S*100％ (7)
式中，M23是一个区域内的配电自动化主站设备封闭性能；Y是一个区域内同一批次具有封闭性能的新一代配电自动化主站设备总数；S是一个区域内同一批次新一代配电自动化主站设备总数。
所述步骤1的运行工况指标M3包括运行温度M31、运行湿度M32、运行的负荷率M33和运行磁场强度M34，M33采用下式计算公式。
M33＝V/Z*100％ (8)
式中，M33是运行的负荷率；V是一定区域范围内同一批次新一代配电自动化主站系统每月具有正常数据的总数；Z是一定区域范围内同一批次新一代配电自动化主站系统的安装总数；
在本实施例中，M31，M32和M34从配电自动化主站系统中读取相关数据。
所述步骤1的管理安全指标M4包括新一代配电自动化主站系统年受攻击总次数M41，新一代配电自动化主站系统安全运行时间M42；
在本实施例中，M41和M42这两个数据可以从配电自动化主站系统读取相关数据。
步骤2、应用层次分析法AHP求解新一代配电自动化主站信息交换安全评估指标的赋权值；
所述步骤2的具体步骤包括：
(1)建立新一代配电自动化主站信息交换安全评估指标的层次；
所述步骤2第(1)步的具体方法为：
根据新一代配电自动化主站信息交换安全评估指标体系组成，构建指标体系层次：目标层、准则层(一级指标)以及方案层(二、三级指标)；
(2)根据专家打分标度表，选择专家对新一代配电自动化主站信息交换安全评估的指标层次进行两两比较打分；
新一代配电自动化主站信息交换安全评估指标两两比较打分按照专家打分标度表进行，获知aij的取值。
表1专家打分标度表
(3)构造区间判断矩阵A
专家根据比例标度法对同层各指标相对于上一层指标重要性进行两两比较打分，构建判断矩阵A，并对应元素aij的取值如下：
其中，i＝1,…,n；j＝1,…,n；n是指单层指标的个数总数；
(4)利用幂法，计算判断矩阵A的最大特征值λmax及特征向量ξ；
(5)进行一致性检验：
若判断矩阵A的相对一致性CR小于0.1，则认为判断矩阵A可行，通过一致性检验，通常CR值越小越好。若判断矩阵A的CR不满足小于0.1，没有通过一致性检验，则退回第2步重新两两比较，重新构造合格的判断矩阵A；
其中，CR的计算如公式如下：
表2自由度指标RI
(6)由Aξ＝λmaxwIAHP确定层次结构模型中各指标的权重wAHP
步骤3、根据多次AHP的赋权值，应用神经网络方法，对层次分析法所得的新一代配电自动化主站信息交换安全评估指标的赋权值进行修正；
所述步骤3的具体步骤包括：
(1)针对任意一个指标，采集M次不同的层次分析法所形成的指标权重为{x1,x2,…,xM}作为人工神经网络的基础输入数据；
(2)选取阈值函数作为神经元激活函数，并使任意一个输入数据两两交叉，形成前向网络的人工神经网络神经元连接形式；
(3)选用wi＝r1x1+r2x2+…+rmxm作为人工神经网络学习后的输出，对层次分析法所得的新一代配电自动化主站信息交换安全评估指标的赋权值wAHP进行修正；
其中，r1,r2,…,rm是学习随机因子，由神经网络的自适应生成。
步骤4、进行新一代配电自动化主站信息交换安全综合评估。
所述步骤4的具体方法为：根据实际情况对每一个新一代配电自动化主站信息交换安全评估的指标进行综合计算获得指标分值，然后将每一个指标分值与赋权值相乘，并依次求和，得到新一代配电自动化主站信息交换安全评估值F，其计算公式如下：
其中，Mi是第i个新一代配电自动化主站信息安全评估的指标分值；Wi是第i个新一代配电自动化主站信息安全评估指标的赋权值。
下面以天津市某一个区域新一代配电自动化主站信息交换的应用工程案例为例，对本发明的一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法进行实施应用，以验证本发明方法的可行性和有益效果。
选定天津市某一个区域新一代配电自动化主站信息交换应用工程案例进行分析，新一代配电自动化主站信息交换安全评估情况如表1所示。
表1新一代配电自动化主站信息交换安全评估情况
从表1中不难发现，新一代配电自动化主站系统与投入的家族缺陷、典型配置方式率、型号匹配度、年受攻击次数和安全运行时间等密切相关，这也是与实际新一代配电自动化主站系统相符合；后续在新一代配电自动化主站系统的精益化运维过程中，应该加强典型配置、提升运维水平。
需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (5)

1.一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法，其特征在于：包括以下步骤：
步骤1、分析新一代配电自动化主站信息交换安全面临的影响因素，构建新一代配电自动化主站信息交换安全综合评估指标体系；
步骤2、应用层次分析法AHP求解新一代配电自动化主站信息交换安全评估指标的赋权值；
步骤3、根据多次AHP的赋权值，应用神经网络方法，对层次分析法所得的新一代配电自动化主站信息交换安全评估指标的赋权值进行修正；
步骤4、进行新一代配电自动化主站信息交换安全综合评估。
2.根据权利要求1所述的一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法，其特征在于：所述步骤1的新一代配电自动化主站信息交换安全综合评估指标体系M包括：运行状态指标M1、配置方式指标M2、运行工况指标M3和管理安全指标M4；
所述步骤1的运行状态指标M1包括新一代配电自动化主站系统的设备合格率M11、入网检测成功率指标M12、运行安装环境的标准化率M13和家族缺陷M14，采用下式计算公式：
M11＝U/N*100％
式中，M11是设备合格率；U是安装调试成功的设备总数；N是工程中实际安装的设备总数；
M12＝B/C*100％
式中，M12是入网检测成功率；B是一个批次内抽查的新一代配电自动化主站系统组成设备成功的总数；C是一个批次内新一代配电自动化主站设备总数；
M13＝D/C*100％
式中，M13是新一代配电自动化主站系统运行安装环境标准化率；D是一个批次内抽查的新一代配电自动化主站系统按照新一代配电自动化主站系统安装规程进行标准化安装总数；C是一个批次内新一代配电自动化主站系统总数；
式中，M14是产品本身的设计缺陷，是各个供应商提供的基本产品性能数据，可从配电自动化管理系统读取该数据；
所述步骤1的配置方式指标M2包括典型配置方式率M21、型号匹配度M22和封闭性能M23，采用下式计算公式：
M21＝F/D*100％
式中，M21是新一代配电自动化主站系统典型配置方式率；F是同一批次配置有三种以上通信方式的新一代配电自动化主站系统总数；D是同一批次新一代配电自动化主站系统的总数；
M22＝X/T*100％
式中，M22是型号匹配度；X是一定区域范围内同一批次同一厂家同一型号数量最大的新一代配电自动化主站系统总数；T是一定区域范围内的新一代配电自动化主站系统总数；
M23＝Y/S*100％
式中，M23是一个区域内的配电自动化主站设备封闭性能；Y是一个区域内同一批次具有封闭性能的新一代配电自动化主站设备总数；S是一个区域内同一批次新一代配电自动化主站设备总数；
所述步骤1的运行工况指标M3包括运行温度M31、运行湿度M32、运行的负荷率M33和运行磁场强度M34，M33采用下式计算公式：
M33＝V/Z*100％
式中，M33是运行的负荷率；V是一定区域范围内同一批次新一代配电自动化主站系统每月具有正常数据的总数；Z是一定区域范围内同一批次新一代配电自动化主站系统的安装总数；
所述步骤1的管理安全指标M4包括新一代配电自动化主站系统年受攻击总次数M41和新一代配电自动化主站系统安全运行时间M42。
3.根据权利要求1所述的一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法，其特征在于：所述步骤2的具体步骤包括：
(1)建立新一代配电自动化主站信息交换安全评估指标的层次；
根据新一代配电自动化主站信息交换安全评估指标体系组成，构建指标体系层次：目标层、准则层和方案层；
(2)根据专家打分标度表，选择专家对新一代配电自动化主站信息交换安全评估的指标层次进行两两比较打分；
(3)构造判断矩阵A
专家根据比例标度法对同层各指标相对于上一层指标重要性进行两两比较打分，构建判断矩阵A，并对应元素aij的取值如下：
其中，i＝1,…,n；j＝1,…,n；n是指单层指标的个数总数；
(4)利用幂法，计算判断矩阵A的最大特征值λmax及特征向量ξ；
(5)进行一致性检验：
若判断矩阵A的相对一致性CR小于0.1，则认为判断矩阵A可行，通过一致性检验，通常CR值越小越好；若判断矩阵A的CR不满足小于0.1，没有通过一致性检验，则退回第2步重新两两比较，重新构造合格的判断矩阵A；
其中，CR的计算如公式如下：
(6)由Aξ＝λmaxwIAHP确定层次结构模型中各指标的权重wAHP。
4.根据权利要求1所述的一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法，其特征在于：所述步骤3的具体步骤包括：
(1)针对任意一个指标，采集M次不同的层次分析法所形成的指标权重为{x1,x2,…,xM}作为人工神经网络的基础输入数据；
(2)选取阈值函数作为神经元激活函数，并使任意一个输入数据两两交叉，形成前向网络的人工神经网络神经元连接形式；
(3)选用wi＝r1x1+r2x2+…+rmxm作为人工神经网络学习后的输出，对层次分析法所得的新一代配电自动化主站信息交换安全评估指标的赋权值wAHP进行修正；
其中，r1,r2,…,rm是学习随机因子，由神经网络的自适应生成。
5.根据权利要求1所述的一种基于AHP-ANN的新一代配电自动化主站信息交换安全评估方法，其特征在于：所述步骤4的具体方法为：根据实际情况对每一个新一代配电自动化主站信息交换安全评估的指标进行综合计算获得指标分值，然后将每一个指标分值与赋权值相乘，并依次求和，得到新一代配电自动化主站信息交换安全评估值F，其计算公式如下：
其中，Mi是第i个新一代配电自动化主站信息安全评估的指标分值；Wi是第i个新一代配电自动化主站信息安全评估指标的赋权值。
CN201811154195.XA 2018-09-30 2018-09-30 基于ahp-ann的配电自动化主站信息交换安全评估方法 Active CN109472146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811154195.XA CN109472146B (zh) 2018-09-30 2018-09-30 基于ahp-ann的配电自动化主站信息交换安全评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811154195.XA CN109472146B (zh) 2018-09-30 2018-09-30 基于ahp-ann的配电自动化主站信息交换安全评估方法

Publications (2)

Publication Number Publication Date
CN109472146A true CN109472146A (zh) 2019-03-15
CN109472146B CN109472146B (zh) 2022-01-18

Family

ID=65664446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811154195.XA Active CN109472146B (zh) 2018-09-30 2018-09-30 基于ahp-ann的配电自动化主站信息交换安全评估方法

Country Status (1)

Country Link
CN (1) CN109472146B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663508A (zh) * 2012-05-08 2012-09-12 东北电力科学研究院有限公司 基于层次分析法和模糊综合评价的智能电网综合评估系统
CN104933629A (zh) * 2015-05-21 2015-09-23 天津大学 基于区间层次分析和区间熵组合的电力用户设备评估方法
CN107909253A (zh) * 2017-11-02 2018-04-13 国网天津市电力公司电力科学研究院 基于区间层次分析法的智能配电网调度控制效果评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663508A (zh) * 2012-05-08 2012-09-12 东北电力科学研究院有限公司 基于层次分析法和模糊综合评价的智能电网综合评估系统
CN104933629A (zh) * 2015-05-21 2015-09-23 天津大学 基于区间层次分析和区间熵组合的电力用户设备评估方法
CN107909253A (zh) * 2017-11-02 2018-04-13 国网天津市电力公司电力科学研究院 基于区间层次分析法的智能配电网调度控制效果评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
翟化欣: ""层次分析法和神经网络的电网安全评估"", 《现代电子技术》 *

Also Published As

Publication number Publication date
CN109472146B (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
Wang et al. Coordinated topology attacks in smart grid using deep reinforcement learning
CN112633649A (zh) 电网多属性重要节点评估与规划方法
Anwar et al. Anomaly detection in electric network database of smart grid: Graph matching approach
CN106230773A (zh) 基于模糊矩阵层次分析法的风险评估系统
CN111199252A (zh) 一种电力通信网络智能运维系统的故障诊断方法
CN109117651B (zh) 一种计量数据安全防护方法
CN107947151A (zh) 一种电力系统关键节点的识别方法
Zhu et al. Power system structure optimization based on reinforcement learning and sparse constraints under DoS attacks in cloud environments
Meng et al. Attack-resilient distributed Nash equilibrium seeking of uncertain multiagent systems over unreliable communication networks
CN114189047A (zh) 面向有源配电网状态估计的虚假数据检测与修正方法
Wang et al. Study on sustainable development of the transnational power grid interconnection projects under diversified risks based on variable weight theory and bayesian network
Xia et al. Confidence-aware collaborative detection mechanism for false data attacks in smart grids
CN109472146A (zh) 基于ahp-ann的配电自动化主站信息交换安全评估方法
Cai et al. A data-driven distributed and easy-to-transfer method for short-term voltage stability assessment
Xu et al. Blockchain-based trading and settlement framework for electricity markets
Liang et al. Anomaly detection based on edge computing framework for AMI
Zhang Analysis of Network Security Countermeasures From the Perspective of Improved FS Algorithm and ICT Convergence
Cai et al. Research on risk assessment and strategy dynamic attack and defense game based on twin model of power distribution network
Yang et al. Research on line overload identification of power system based on improved neural network algorithm
Jain et al. Short term load forecasting using fuzzy inference and ant colony optimization
Li et al. Energy Consumption Prediction in Ceramic Production Process Based on a PSO-ELM Coupling Model
Qiu et al. Cross‐Space Conduction Assessment Method of Network Attack Risk under the Strong Coupling Characteristics of Electric Power Cyber Physics
Liu et al. Anonymous storage and verification model of IIoT based on blockchain: Anonymous storage and verification model of IIoT production status based on blockchain
Liu et al. Optimal defense resource allocation and geographically feasible hexagonal topology construction for power grid security
Yan Risk assessment model of Internet of Things based on BP neural network algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder

Address after: No. 8, Haitai Huake 4th Road, Huayuan Industrial Zone, High tech Zone, Binhai New Area, Tianjin, 300384

Patentee after: ELECTRIC POWER SCIENCE & RESEARCH INSTITUTE OF STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee after: STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee after: STATE GRID CORPORATION OF CHINA

Patentee after: Tianjin University

Address before: No.8, Haitai Huake 4th Road, Xiqing District, Tianjin 300384

Patentee before: ELECTRIC POWER SCIENCE & RESEARCH INSTITUTE OF STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee before: STATE GRID TIANJIN ELECTRIC POWER Co.

Patentee before: STATE GRID CORPORATION OF CHINA

Patentee before: Tianjin University

CP02 Change in the address of a patent holder