基于ELM的智能电网AMI安全策略研究
发布时间：2021-02-12 14:47
随着时代的发展,智能电网无论在技术层面还是在实践层面,都取得了较大的进步,随之而来的智能电网安全问题也越来越受到人们的关注。智能电网一旦受到攻击,不仅造成电力公司的重大经济损失,甚至对人们的生活和安全造成毁灭性的影响。高级量测体系（Adavanced Metering Infrastructure,AMI）是智能电网的核心部件,确保AMI的信息机密性、完整性、可用性和可靠性是智能电网安全问题的核心。AMI是一种基于双向通信网络的系统,AMI可以为实时双向交互、需求响应管理、分布式能源发电和存储等高级应用提供信息平台和技术支持。由于与计算机相连通,容易遭受网络攻击,但又与传统的网络环境不同,AMI具有一些独特的特点,例如,有限的计算和处理资源要求模型训练速度快,同时入侵检测率要高,而超限学习机训练速度快,模型泛化能力强,满足智能电网AMI入侵检测的需求。本文在分析了AMI的安全性后,提出了三种智能电网AMI安全策略。（1）提出了一种基于集成学习和超限学习机的入侵检测策略。智能电网中数据量大,特征维度高,存在许多冗余特征,提出了一种基于集成学习的特征选择算法——BFSBEL算法,通过该算法...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文主要工作
1.4 论文结构安排
第二章 相关理论与工作基础
2.1 智能电网高级量测体系安全性分析
2.1.1 系统组成
2.1.2 通信网络
2.1.3 安全需求
2.2 超限学习机概述
2.3 数据集收集与处理
2.3.1 KDDCUP99 数据集
2.3.2 数据选择及预处理
2.4 技术评价指标
2.5 本章小结
第三章 基于集成学习和超限学习机的入侵检测策略
3.1 相关理论
3.1.1 XGBoost
3.1.2 LightGBM
3.1.3 CatBoost
3.2 基于集成学习和超限学习机的入侵检测算法
3.2.1 基于集成学习的特征选择
3.2.2 基于BFSBEL的超限学习机入侵检测算法
3.3 实验结果与分析
3.3.1 特征选择
3.3.2 三维图
3.3.3 混淆矩阵
3.3.4 检测指标
3.4 本章小结
第四章 基于多层超限学习机自编码器的入侵检测策略
4.1 相关理论
4.1.1 超限学习机自编码器
4.1.2 多层超限学习机
4.2 基于多层超限学习机自编码器的超限学习机入侵检测算法
4.3 实验结果与分析
4.3.1 基于ML-ELMAE-ELM的入侵检测技术
4.3.2 基于BP神经网络的入侵检测技术
4.3.3 基于SVM的入侵检测技术
4.3.4 基于深度学习算法的入侵检测技术
4.3.5 检测指标
4.4 本章小结
第五章 基于遗传算法的超限学习机入侵检测策略
5.1 遗传算法概述
5.2 基于遗传算法的超限学习机入侵检测算法
5.3 实验结果与分析
5.3.1 基于GA-ELM的入侵检测技术
5.3.2 基于OS-ELM的入侵检测技术
5.3.3 检测指标
5.4 本章小节
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于XGBoost的特征选择算法[J]. 李占山,刘兆赓. 通信学报. 2019(10)
[2]智能电网入侵检测综述[J]. 蒋南允,程光. 网络空间安全. 2018(01)
[3]一种基于遗传算法的极限学习机改进算法研究[J]. 王新环,刘志超. 软件导刊. 2017(09)
[4]基于PCA和ELM的网络入侵检测技术[J]. 黄思慧,陈万忠,李晶. 吉林大学学报(信息科学版). 2017(05)
[5]多层极限学习机在入侵检测中的应用[J]. 康松林,刘乐,刘楚楚,廖锓. 计算机应用. 2015(09)
[6]AMI对未来电力系统的影响[J]. 张景超,陈卓娅. 电力系统自动化. 2010(02)
[7]KDDCup99网络入侵检测数据的分析和预处理[J]. 王洁松,张小飞. 科技信息(科学教研). 2008(15)
硕士论文
[1]基于PSO-ELM的物联网入侵检测系统研究[D]. 何林海.湖北工业大学 2018
[2]智能电网高级量测体系入侵检测方法研究[D]. 张超超.华北电力大学(北京) 2016
本文编号：3031023
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文主要工作
1.4 论文结构安排
第二章 相关理论与工作基础
2.1 智能电网高级量测体系安全性分析
2.1.1 系统组成
2.1.2 通信网络
2.1.3 安全需求
2.2 超限学习机概述
2.3 数据集收集与处理
2.3.1 KDDCUP99 数据集
2.3.2 数据选择及预处理
2.4 技术评价指标
2.5 本章小结
第三章 基于集成学习和超限学习机的入侵检测策略
3.1 相关理论
3.1.1 XGBoost
3.1.2 LightGBM
3.1.3 CatBoost
3.2 基于集成学习和超限学习机的入侵检测算法
3.2.1 基于集成学习的特征选择
3.2.2 基于BFSBEL的超限学习机入侵检测算法
3.3 实验结果与分析
3.3.1 特征选择
3.3.2 三维图
3.3.3 混淆矩阵
3.3.4 检测指标
3.4 本章小结
第四章 基于多层超限学习机自编码器的入侵检测策略
4.1 相关理论
4.1.1 超限学习机自编码器
4.1.2 多层超限学习机
4.2 基于多层超限学习机自编码器的超限学习机入侵检测算法
4.3 实验结果与分析
4.3.1 基于ML-ELMAE-ELM的入侵检测技术
4.3.2 基于BP神经网络的入侵检测技术
4.3.3 基于SVM的入侵检测技术
4.3.4 基于深度学习算法的入侵检测技术
4.3.5 检测指标
4.4 本章小结
第五章 基于遗传算法的超限学习机入侵检测策略
5.1 遗传算法概述
5.2 基于遗传算法的超限学习机入侵检测算法
5.3 实验结果与分析
5.3.1 基于GA-ELM的入侵检测技术
5.3.2 基于OS-ELM的入侵检测技术
5.3.3 检测指标
5.4 本章小节
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]基于XGBoost的特征选择算法[J]. 李占山,刘兆赓. 通信学报. 2019(10)
[2]智能电网入侵检测综述[J]. 蒋南允,程光. 网络空间安全. 2018(01)
[3]一种基于遗传算法的极限学习机改进算法研究[J]. 王新环,刘志超. 软件导刊. 2017(09)
[4]基于PCA和ELM的网络入侵检测技术[J]. 黄思慧,陈万忠,李晶. 吉林大学学报(信息科学版). 2017(05)
[5]多层极限学习机在入侵检测中的应用[J]. 康松林,刘乐,刘楚楚,廖锓. 计算机应用. 2015(09)
[6]AMI对未来电力系统的影响[J]. 张景超,陈卓娅. 电力系统自动化. 2010(02)
[7]KDDCup99网络入侵检测数据的分析和预处理[J]. 王洁松,张小飞. 科技信息(科学教研). 2008(15)
硕士论文
[1]基于PSO-ELM的物联网入侵检测系统研究[D]. 何林海.湖北工业大学 2018
[2]智能电网高级量测体系入侵检测方法研究[D]. 张超超.华北电力大学(北京) 2016
本文编号：3031023
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3031023.html
