CN109729073A - 一种电网信息物理系统中的网络异常识别方法及系统 - Google Patents

一种电网信息物理系统中的网络异常识别方法及系统 Download PDF

Info

Publication number
CN109729073A
CN109729073A CN201811456851.1A CN201811456851A CN109729073A CN 109729073 A CN109729073 A CN 109729073A CN 201811456851 A CN201811456851 A CN 201811456851A CN 109729073 A CN109729073 A CN 109729073A
Authority
CN
China
Prior art keywords
information
message event
message
time
network
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
CN201811456851.1A
Other languages
English (en)
Other versions
CN109729073B (zh
Inventor
梁云
黄莉
黄辉
黄凤
郭经红
陈彬
黄建业
倪明
李满礼
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.)
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
State Grid Fujian Electric Power Co Ltd
NARI Group Corp
Original Assignee
State Grid Corp of China SGCC
Global Energy Interconnection Research Institute
State Grid Fujian Electric Power Co Ltd
NARI Group Corp
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 State Grid Corp of China SGCC, Global Energy Interconnection Research Institute, State Grid Fujian Electric Power Co Ltd, NARI Group Corp filed Critical State Grid Corp of China SGCC
Priority to CN201811456851.1A priority Critical patent/CN109729073B/zh
Publication of CN109729073A publication Critical patent/CN109729073A/zh
Application granted granted Critical
Publication of CN109729073B publication Critical patent/CN109729073B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Abstract

本发明提供了一种电网信息物理系统中的网络异常识别方法及系统，包括：基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常。本发明利用信息网络中任务执行和消息传递的可预测性，简化了电网信息物理系统中事件因果逻辑分析，快速识别网络异常，保障电网信息物理系统运行控制的规范性和安全性。

Description

一种电网信息物理系统中的网络异常识别方法及系统
技术领域
本发明涉及电网信息物理系统技术领域，具体涉及一种电网信息物理系统中的网络异常识别方法及系统。
背景技术
在电网信息物理系统中，物理组件包含了用于监控物理环境动态变化的传感器及对物理环境产生影响的执行器等；信息组件包含计算节点、用于计算节点之间及计算节点到执行器通信的企业网络、现场网络(用于执行器、传感器的通信)；并利用移动互联、人机交互等技术，实现人-机-物的广泛连接。信息环节覆盖到了每个嵌入式系统及物理组件，存在大量的人机交互的场景及通过反馈控制循环实现的自动化控制场景。
由于电网信息物理系统CPS的规模大、复杂度髙等特性，对可靠性和安全性具有极高的要求。已有研究表明，网络攻击者可以篡改设备状态量测或发布虚假调控指令，进而引发严重停电事故。这一新的攻击形式与传统电网遭受“N－1”预想故障引发对电网安全稳定运行的影响存在机理和控制手段上的差异；同时，电网信息物理系统CPS受到空间和时间的严格约束，具有分布式硬实时系统的特征，网络异常如网络断线、无线干扰等也会影响到电网的安全稳定运行。
可见，快速准确地识别网络异常，特别是网络入侵和攻击，对能源互联网的安全运行具有重要意义。目前，除了利用信息环节漏洞的病毒攻击、以破坏通信可用性为目的资源耗尽攻击等方式，还存在破坏数据、破坏网络拓扑等“间接”攻击，基于现有的规则、统计等方法难以识别出电网信息物理系统中的网络异常。
发明内容
为了解决现有技术中所存在的因为异常种类多基于现有的规则、统计等方法难以识别出网络异常的问题，本发明提供一种电网信息物理系统中的网络异常识别方法及系统。
本发明提供的技术方案是：一种电网信息物理系统中的网络异常识别方法，包括：
基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；
基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；
基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常。
优选的，所述时序模型的构建，包括：
基于任务执行过程中的各信息节点分别查找对应的时间戳；
基于所述时间戳获得消息事件；
对参与执行任务的各信息节点的消息事件进行排序，获得消息事件序列；
基于信息节点接收消息事件的时间和发送消息事件的时间，获得消息事件的处理时间；
基于所述处理时间和消息事件在信息节点间的传输时间之和，构成消息事件的时延；
其中，所述时序模型包括：所述消息事件序列和时延。
优选的，所述时序模型如下式所示：
TASK′(α)＝[ME1′(Ta1,ΔT1,ΔT1′),ME2′(Ta2,ΔT2,ΔT2′)…ME'i(Tai,ΔTi,ΔTi′)]i∈q
式中：TASK′(α)：消息事件序列与时延；ME'i：任务执行中信息节点i的
消息事件；Tai：信息节点i接收到消息的时间；ΔTi：消息在信息节点i中的
处理时间；ΔTi′：消息从信息节点i的前一个信息节点到信息节点i的传输时
间；q：参与执行任务的信息节点数量；
其中，所述消息事件从信息节点i的前一个信息节点到信息节点i的传输时间ΔTi′按下式计算：
ΔTi′＝Tai-Tbi-1
式中：Tai：信息节点i接收到消息的时间；Tbi-1：消息从信息节点i的前一个信息节点发出的时间。
优选的，所述基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延，包括：
在电网信息物理系统中获取待检测任务的执行过程；
基于所述待检测任务的执行过程和预先构建的时序模型获得消息事件序列与时延。
优选的，所述基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差，包括：
基于历史任务的执行过程和预先构建的时序模型，获得任务执行时间和任务执行顺序；
由所述任务执行时间和任务执行顺序组成任务执行时序约束；
基于所述时延和任务执行时序约束中的任务执行时间，按下式计算所述时序偏差：
式中：λ：时序偏差；ti：消息到达信息节点i的时间；ΔTi′：消息从信息节点i的前一个信息节点到信息节点i的传输时间；ΔTi：消息在信息节点i中的处理时间。
优选的，所述消息事件由消息的类型、信源节点、信宿节点、标签和传送的数据组成。
优选的，所述基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常，包括：
当所述时序偏差>设置的网络异常上限时，则存在网络异常，基于所述消息事件序列和预先构建的网络异常要素集合确定异常信息；否则不存在网络异常。
优选的，所述网络异常要素集合的构建，包括：
将导致消息传输发生错误的因素作为网络异常要素；
基于历史数据计算每一个网络异常要素导致网络异常的概率；
其中，所述网络异常要素包括测量误差、网络故障和网络攻击。
优选的，所述基于所述消息事件序列和预先构建的网络异常要素集合确定异常信息，包括：
将不同消息事件的顺序与任务执行时序约束中的任务执行顺序进行匹配，当存在顺序不一致的信息节点时，则记录所述顺序不一致的信息节点，在所述网络异常要素集合查找所述顺序不一致的信息节点对应的网络异常类型及概率，将概率大的网络异常类型作为所述异常信息；
否则在所述网络异常要素集合中对执行任务的所有信息节点进行查找，将概率最大的网络异常类型作为所述异常信息。
基于同一发明构思，本发明还提供了一种电网信息物理系统中的网络异常识别系统，包括：
获取模块，用于基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；
时序偏差模块，用于基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；
网络异常模块，用于基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常。
优选的，所述系统还包括：构建模块，用于构建时序模型；所述构建模块包括：
查找单元，用于基于任务执行过程中的各信息节点分别查找对应的时间戳；
消息事件单元，用于基于所述时间戳获得消息事件；
序列单元，用于对参与执行任务的各信息节点的消息事件进行排序，获得消息事件序列；
处理时间单元，用于基于信息节点接收消息事件的时间和发送消息事件的时间，获得消息事件的处理时间；
时延单元，用于基于所述处理时间和消息事件在信息节点间的传输时间之和，构成消息事件的时延；
其中，所述时序模型包括：所述消息事件序列和时延。
与现有技术相比，本发明的有益效果为：
本发明提供的技术方案，基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常，利用信息网络中任务执行和消息传递的可预测性，简化了电网信息物理系统中事件因果逻辑分析，快速识别网络异常，保障电网信息物理系统运行控制的规范性和安全性。
本发明提供的技术方案中相关的任务和事件定义、消息传送的时序和时延等信息，都可以通过现有的信息系统与自动化系统获得，具有实际可操作性，应用范围广泛。
本发明提出的技术方案，在典型的电网信息物理系统场景下，测量误差、网络故障、网络攻击等网络异常会导致通信性能相差很大，在准确定义网络异常概率分布的条件下，可以快速准确识别网络异常的类型，并定位到发生异常的网络节点。
附图说明
图1为本发明的网络异常识别方法流程图；
图2为本发明实施例中提供的具体的网络异常识别方法流程图；
图3为本发明实施例中虚拟电厂通信的结构示意图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：
如图1所示，本发明提供的一种电网信息物理系统中的网络异常识别方法，包括：
步骤S1、基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；
步骤S2、基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；
步骤S3、基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常。
本实施例中以虚拟电厂的网络异常识别为例进行说明，虚拟电厂(VPP)是指通过虚拟控制中心将可控负荷、分布式电源(DER)和储能系统有机结合起来，让它们在电网中以特殊电厂的身份参与运行。VPP的每一部分均与控制中心相连，实现信息双向传送，对机端潮流、负载端负荷以及储能系统进行统一调度。
如图2所示，本实施例中适用于虚拟电厂运行控制过程中的网络异常识别方法，包括：
步骤S1、基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延，具体包括：
步骤101：定义虚拟电厂运行控制过程中的网络异常要素集合
虚拟电厂的信息在双向传送的过程中，网络异常表现为消息传输发生错误，网络异常包括测量误差、网络故障、网络攻击等多种因素，用向量U表示：
U＝[u1,u2…un]
在电网信息物理系统中存在并发的多路消息，其中一路消息Mk可表示为：
Mk＝Xk→Yk＝Ik*Xk
其中，Ik为信源节点的信息Xk到信宿节点的数据信息Yk之间的消息传输与处理关系。
如果在消息传输中出现网络异常，则消息Mk可表示为：
其中：Ek为出现的传输错误。PF(k,n)为概率函数，表示在传输过程中发生某种网络异常的概率，表示所有网络异常的概率之和。
步骤102：定义虚拟电厂控制过程中，任务执行和消息传递的时间和顺序约束，即任务执行时序约束。
本实施例中按下列步骤构建时序模型，包括：
(1)基于任务执行过程中的各信息节点分别查找对应的时间戳；
(2)基于所述时间戳获得消息事件；
(3)对参与执行任务的各信息节点的消息事件进行排序，获得消息事件序列；
(4)基于信息节点接收消息事件的时间和发送消息事件的时间，获得消息事件的处理时间；
(5)基于所述处理时间和消息事件在信息节点间的传输时间之和，构成消息事件的时延；
其中，所述时序模型包括：所述消息事件序列和时延。
基于历史任务的执行过程和预先构建的时序模型，获得任务执行时间和任务执行顺序；
由所述任务执行时间和任务执行顺序组成任务执行时序约束。
在电网信息物理系统中获取待检测任务的执行过程；
基于所述待检测任务的执行过程和预先构建的时序模型获得消息事件序列与时延。
如图3所示，虚拟电厂采用双向通信技术，它不仅能够接收各个单元的当前状态信息，而且能够向控制目标发送控制信号。控制信号可以是基于IEC101或104协议的普通遥测系统，随着DER数量的不断增加，简便的TCP/IP网络或电力线载波通信(PLC)技术也得到应用。
虚拟电厂是典型的信息物理系统(CPS)，消息事件是CPS节点之间进行通信和协作的载体，一个消息事件MEk表示为：
MEk(Type，Xk，Yk，Tag，Val)
其中，Type为消息的类型，Xk和Yk分别为信源节点和信宿节点，Tag为消息事件的标签，用于消息事件的检查和排序，Val为消息事件传送的数据；消息事件在电网信息物理系统的节点之间传递，每次传递都需要耗费一定时间，并存在发生网络异常的一定概率。
任务是完成特定功能的消息事件集合，按照时序排列形成消息队列，表示为：
TASK(α)＝[ME1(t1),ME2(t2)…MEi(ti)]i∈q
其中，MEi(ti)为消息事件，ti表示消息到达节点的时间，q：参与执行任务的信息节点数量。
步骤103：对虚拟电厂中的任务执行进行实测，获得消息事件序列与时延；
在本实施例中对于VPP的调节和频率响应，需要根据DER、储能装置的特性，形成聚合的发电机运行参数。
在对DER、储能装置的调节过程中，任务执行相关的信息节点具备记录时间戳功能，为适应事件并发条件下操作系统进程调度的不确定性，在时间戳中记录物理时间和逻辑时序；
物理时间从硬件时钟获得，在虚拟电厂中，任务执行相关的信息节点具备时间同步功能，保证CPS中的物理时间一致，例如基于GPS或北斗的时间同步；
在消息事件的传递过程中，可以利用工业级的时间可测交换机，记录报文进入信息节点的时间Ta和从信息节点发出的时间Tb，计算出消息在信息节点中的处理时间ΔT＝Ta-Tb；
信息节点对于在同一时刻Ta收到的不同消息，可通过优先级的方式进行排序，并将序号、Ta、ΔT写入消息报文中的指定位置，通过消息事件的记录和汇总，获得实测的消息事件序列与时延：
TASK′(α)＝[ME1′(Ta1,ΔT1,ΔT1′),ME2′(Ta2,ΔT2,ΔT2′)…ME'i(Tai,ΔTi,ΔTi′)]i∈q
式中：TASK′(α)：消息事件序列与时延；ME'i：任务执行中信息节点i的
消息事件；Tai：信息节点i接收到消息的时间；ΔTi：消息在信息节点i中的
处理时间；ΔTi′：消息从信息节点i的前一个信息节点到信息节点i的传输时
间；q：参与执行任务的信息节点数量；
其中，消息事件从信息节点i的前一个信息节点到信息节点i的传输时间ΔTi′按下式计算：
ΔTi′＝Tai-Tbi-1
式中：Tai：信息节点i接收到消息的时间；Tbi-1：消息从信息节点i的前一个信息节点发出的时间。
步骤S2、基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差，包括：
在图2中为步骤104：分析虚拟电厂任务执行过程中的时序偏差；
检查同一任务的不同执行实例，与预定义的任务执行顺序约束的偏差，即比较TASK(α)与TASK′(α)中消息事件的执行顺序；
在本实施例中对于步骤103中的频率响应任务，分解到多套DER、储能装置，对同一任务的不同执行实例进行分析，按下式计算同一任务的不同执行实例，与预定义的任务执行时间约束的时序偏差：
步骤S3、基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常，包括：
在图2中为步骤105：识别出在VPP中是否存在网络异常；
假设集合U已包含全部网络异常要素；
当时序偏差>设置的网络异常上限时，则存在网络异常，根据消息事件序列和构建的网络异常要素集合确定异常信息；否则不存在网络异常。
当存在网络异常时，将不同消息事件的顺序与任务执行时序约束中的任务执行顺序进行匹配，如果任务执行顺序存在偏差，即当存在顺序不一致的信息节点时，则记录顺序不一致的信息节点，在网络异常要素集合查找顺序不一致的信息节点对应的网络异常类型及概率，将概率大的网络异常类型作为异常信息；
否则在网络异常要素集合中对执行任务的所有信息节点进行查找，将概率最大的网络异常类型作为异常信息。
本实施例中，网络异常上限的计算包括：
基于各网络异常要素和每一个网络异常要素导致网络异常的概率计算网络异常基准值；
将所述网络异常基准值的倍数设置为网络异常上限。
在本实施例中，基于Ω设定网络异常上限根据具体情况M一般为3～4。
其中，按下式计算网络异常基准值：
式中：Ω：网络异常基准值，反映了基于概率分布的偏差和；PF(k,n)：在n个网络异常要素中发生网络异常要素k的概率。
在虚拟电厂应用场景下，测量误差、网络故障、网络攻击等网络异常会导致通信性能相差很大，可以快速准确识别网络异常的类型，并定位到发生异常的网络节点。
实施例2：
基于同一种发明构思，本发明还提供了一种电网信息物理系统中的网络异常识别系统，包括：
获取模块，用于基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；
时序偏差模块，用于基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；
网络异常模块，用于基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常。
实施例中，所述系统还包括：构建模块，用于构建时序模型；所述构建模块包括：
查找单元，用于基于任务执行过程中的各信息节点分别查找对应的时间戳；
消息事件单元，用于基于所述时间戳获得消息事件；
序列单元，用于对参与执行任务的各信息节点的消息事件进行排序，获得消息事件序列；
处理时间单元，用于基于信息节点接收消息事件的时间和发送消息事件的时间，获得消息事件的处理时间；
时延单元，用于基于所述处理时间和消息事件在信息节点间的传输时间之和，构成消息事件的时延；
其中，所述时序模型包括：所述消息事件序列和时延。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (11)

1.一种电网信息物理系统中的网络异常识别方法，其特征在于，包括：
基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；
基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；
基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常。
2.如权利要求1所述的方法，其特征在于，所述时序模型的构建，包括：
基于任务执行过程中的各信息节点分别查找对应的时间戳；
基于所述时间戳获得消息事件；
对参与执行任务的各信息节点的消息事件进行排序，获得消息事件序列；
基于信息节点接收消息事件的时间和发送消息事件的时间，获得消息事件的处理时间；
基于所述处理时间和消息事件在信息节点间的传输时间之和，构成消息事件的时延；
其中，所述时序模型包括：所述消息事件序列和时延。
3.如权利要求2所述的方法，其特征在于，所述时序模型如下式所示：
TASK′(α)＝[ME′1(Ta1,ΔT1,ΔT1′),ME′2(Ta2,ΔT2,ΔT′2)…ME'i(Tai,ΔTi,ΔT′i)]i∈q
式中：TASK′(α)：消息事件序列与时延；ME'i：任务执行中信息节点i的消息事件；Tai：信息节点i接收到消息的时间；ΔTi：消息在信息节点i中的处理时间；ΔT′i：消息从信息节点i的前一个信息节点到信息节点i的传输时间；q：参与执行任务的信息节点数量；
其中，所述消息事件从信息节点i的前一个信息节点到信息节点i的传输时间ΔT′i按下式计算：
ΔTi′＝Tai-Tbi-1
式中：Tai：信息节点i接收到消息的时间；Tbi-1：消息从信息节点i的前一个信息节点发出的时间。
4.如权利要求1所述的方法，其特征在于，所述基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延，包括：
在电网信息物理系统中获取待检测任务的执行过程；
基于所述待检测任务的执行过程和预先构建的时序模型获得消息事件序列与时延。
5.如权利要求1所述的方法，其特征在于，所述基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差，包括：
基于历史任务的执行过程和预先构建的时序模型，获得任务执行时间和任务执行顺序；
由所述任务执行时间和任务执行顺序组成任务执行时序约束；
基于所述时延和任务执行时序约束中的任务执行时间，按下式计算所述时序偏差：
式中：λ：时序偏差；ti：消息到达信息节点i的时间；ΔTi′：消息从信息节点i的前一个信息节点到信息节点i的传输时间；ΔTi：消息在信息节点i中的处理时间。
6.如权利要求5所述的方法，其特征在于，所述消息事件由消息的类型、信源节点、信宿节点、标签和传送的数据组成。
7.如权利要求1所述的方法，其特征在于，所述基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常，包括：
当所述时序偏差>设置的网络异常上限时，则存在网络异常，基于所述消息事件序列和预先构建的网络异常要素集合确定异常信息；否则不存在网络异常。
8.如权利要求7所述的方法，其特征在于，所述网络异常要素集合的构建，包括：
将导致消息传输发生错误的因素作为网络异常要素；
基于历史数据计算每一个网络异常要素导致网络异常的概率；
其中，所述网络异常要素包括测量误差、网络故障和网络攻击。
9.如权利要求8所述的方法，其特征在于，所述基于所述消息事件序列和预先构建的网络异常要素集合确定异常信息，包括：
将不同消息事件的顺序与任务执行时序约束中的任务执行顺序进行匹配，当存在顺序不一致的信息节点时，则记录所述顺序不一致的信息节点，在所述网络异常要素集合查找所述顺序不一致的信息节点对应的网络异常类型及概率，将概率大的网络异常类型作为所述异常信息；
否则在所述网络异常要素集合中对执行任务的所有信息节点进行查找，将概率最大的网络异常类型作为所述异常信息。
10.一种电网信息物理系统中的网络异常识别系统，其特征在于，包括：
获取模块，用于基于电网信息物理系统中的任务执行过程和预先构建的时序模型获得消息事件序列与时延；
时序偏差模块，用于基于所述时延和预先构建的任务执行时序约束，对所述任务执行过程进行分析获得时序偏差；
网络异常模块，用于基于所述消息事件序列和所述时序偏差确定电网信息物理系统的网络异常。
11.如权利要求10所述的系统，其特征在于，所述系统还包括：构建模块，用于构建时序模型；所述构建模块包括：
查找单元，用于基于任务执行过程中的各信息节点分别查找对应的时间戳；
消息事件单元，用于基于所述时间戳获得消息事件；
序列单元，用于对参与执行任务的各信息节点的消息事件进行排序，获得消息事件序列；
处理时间单元，用于基于信息节点接收消息事件的时间和发送消息事件的时间，获得消息事件的处理时间；
时延单元，用于基于所述处理时间和消息事件在信息节点间的传输时间之和，构成消息事件的时延；
其中，所述时序模型包括：所述消息事件序列和时延。
CN201811456851.1A 2018-11-30 2018-11-30 一种电网信息物理系统中的网络异常识别方法及系统 Active CN109729073B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811456851.1A CN109729073B (zh) 2018-11-30 2018-11-30 一种电网信息物理系统中的网络异常识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811456851.1A CN109729073B (zh) 2018-11-30 2018-11-30 一种电网信息物理系统中的网络异常识别方法及系统

Publications (2)

Publication Number Publication Date
CN109729073A true CN109729073A (zh) 2019-05-07
CN109729073B CN109729073B (zh) 2023-03-10

Family

ID=66295270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811456851.1A Active CN109729073B (zh) 2018-11-30 2018-11-30 一种电网信息物理系统中的网络异常识别方法及系统

Country Status (1)

Country Link
CN (1) CN109729073B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636124A (zh) * 2019-09-17 2019-12-31 平安科技（深圳）有限公司 Vpp集群管理方法及装置、电子设备及存储介质
CN112231272A (zh) * 2020-09-30 2021-01-15 陈梅玉 基于远程在线办公的信息处理方法及信息服务平台
CN112260892A (zh) * 2020-10-14 2021-01-22 国网山东省电力公司临朐县供电公司 配电系统调度节点的管理方法、系统、终端及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721901A (zh) * 2012-06-26 2012-10-10 西南交通大学 基于时序贝叶斯知识库tbkb的电网故障诊断方法
CN103487723A (zh) * 2013-08-30 2014-01-01 中国南方电网有限责任公司 电力系统故障诊断方法及系统
CN107656176A (zh) * 2017-11-09 2018-02-02 华北电力大学（保定） 一种基于改进贝叶斯Petri网的电网故障诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721901A (zh) * 2012-06-26 2012-10-10 西南交通大学 基于时序贝叶斯知识库tbkb的电网故障诊断方法
CN103487723A (zh) * 2013-08-30 2014-01-01 中国南方电网有限责任公司 电力系统故障诊断方法及系统
CN107656176A (zh) * 2017-11-09 2018-02-02 华北电力大学（保定） 一种基于改进贝叶斯Petri网的电网故障诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孙明蔚，等: "运用时序贝叶斯知识库的电网故障诊断方法", 《电网技术》 *
张勇等: "基于时序因果网络的电力系统故障诊断", 《电力系统自动化》 *
陈晋音等: "基于时序约束模糊有向图的电网故障诊断", 《控制工程》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636124A (zh) * 2019-09-17 2019-12-31 平安科技（深圳）有限公司 Vpp集群管理方法及装置、电子设备及存储介质
CN110636124B (zh) * 2019-09-17 2022-07-08 平安科技（深圳）有限公司 Vpp集群管理方法及装置、电子设备及存储介质
CN112231272A (zh) * 2020-09-30 2021-01-15 陈梅玉 基于远程在线办公的信息处理方法及信息服务平台
CN112231272B (zh) * 2020-09-30 2021-06-29 深圳市神州通在线科技有限公司 基于远程在线办公的信息处理方法及计算机设备
CN112260892A (zh) * 2020-10-14 2021-01-22 国网山东省电力公司临朐县供电公司 配电系统调度节点的管理方法、系统、终端及存储介质
CN112260892B (zh) * 2020-10-14 2023-04-25 国网山东省电力公司临朐县供电公司 配电系统调度节点的管理方法、系统、终端及存储介质

Also Published As

Publication number Publication date
CN109729073B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN109729073A (zh) 一种电网信息物理系统中的网络异常识别方法及系统
CN112313916A (zh) 一种融合区块链技术拟态存储防篡改日志的方法及系统
CN108989136A (zh) 业务端到端性能监控方法及装置
CN111464336B (zh) 一种基于电力通信机房高并发数据处理方法及系统
Wang et al. Research on application and security protection of internet of things in smart grid
Bergweiler Intelligent manufacturing based on self-monitoring cyber-physical systems
CN102682245A (zh) 用于检测与系统应用处理相关联的欺诈的系统和方法
US20220327219A1 (en) Systems and methods for enhancing data provenance by logging kernel-level events
US20130315362A1 (en) Nuclear digital instrumentation and control system
CN109299160B (zh) 一种基于监控大数据挖掘的电力cps安全性分析方法
CN103348557B (zh) 现场响应系统
KR20150119554A (ko) 어플리케이션 로그 데이터의 처리 장치 및 그 방법
Dong et al. Research on abnormal detection of ModbusTCP/IP protocol based on one-class SVM
CN116257021A (zh) 一种工控系统智能网络安全态势监测预警平台
Marino et al. The virtualized cyber-physical testbed for machine learning anomaly detection: A wind powered grid case study
Corradi et al. SIRDAM4. 0: A support infrastructure for reliable data acquisition and management in industry 4.0
Tang et al. Information security terminal architecture of power transportation mobile internet of things based on big data analysis
Han et al. Open framework of gateway monitoring system for internet of things in edge computing
Peng et al. Research on abnormal detection technology of real-time interaction process in new energy network
Sándor et al. Cross-layer anomaly detection in industrial cyber-physical systems
CN109933497A (zh) 一种数据中心运行监管系统
Wilches-Bernal et al. Time synchronization in wide area damping control of power systems
Hou et al. Research on Distributed Intrusion Detection System Based on Mobile Agent.
Gong et al. Reliability analysis of software defined wireless sensor networks
Cejka et al. Integrating Smart Building Energy Data into Smart Grid Applications in the Intelligent Secondary Substations

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