基于反向鯨魚-多隱層極限學習機的電網(wǎng)FDIA檢測

摘要： 針對目前已有的電力信息物理系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測方法由于特征表達能力有限，而導致無法精確獲取受攻擊位置的問題，提出一種基于反向學習鯨魚優(yōu)化多隱層極限學習機的虛假數(shù)據(jù)注入攻擊定位檢測方法。所提方法不僅將極限學習機拓展為多隱層神經(jīng)網(wǎng)絡，解決其特征表達能力有限的問題，而且引入鯨魚優(yōu)化算法對多隱層極限學習機的各隱層神經(jīng)元個數(shù)進行尋優(yōu)并采用反向學習策略提高其收斂速度和檢測精度，以防止隨... （共12頁）