"新基建"时代下的电力工控安全建设思考

工业控制系统是电力、交通、能源、水利、冶金、航空航天等国家重要基础设施的"大脑"和"中枢神经",而电力工控系统安全直接关乎国计民生,在"新基建"背景下,中国能源企业面临着诸多的机遇和挑战.本文分析电力行业安全现状与威胁,解析电力系统面临哪些工控安全风险,评估受攻击后可能造成的严重后果,提出电力行业工控安全建设方面的建议...     

面向电力工控网络大数据的微聚集差分隐私保护方法

针对隐私泄露问题,该文提出一种在频繁模式挖掘中依托微聚集算法实现的差分隐私保护方法,并将其应用到电力工控网络中。通过对指数机制和每个模式的微聚集权重的权衡,选择了Top-k频繁模式方法,并加入拉普拉斯噪声进行扰动,使每个被选择模式的原始支持度均实现了隐私保护与效用的平衡,最大程度地确保了信息发布、数据分析需求和隐私保护需求的平衡,保障了各方对电力工控系统的信任和电力工控系统的健康成长,在数据集上的实验结果验证了该方法的有效性。     

基于深度强化学习的工业网络入侵检测研究

为了有效识别工业网络环境中由多条异常数据共同组合的新型攻击,提出了一种基于深度强化学习的融合模型DQN-LSTM.该模型将流量数据的空间特征和时序特征相结合,展开异常检测.在公开的工控网络天然气工厂数据集上进行实验,DQN-LSTM模型在准确率和F1值上与SVM、CNN、LSTM、DQN等方法相比,本文模型的综合性能更好.     

基于多尺度特征融合的属性已知人脸图像超分辨率

卷积神经网络凭借其强大的表征能力,在图像超分辨率任务上取得了许多令人满意的结果。许多基于神经网络的方法采用增加网络深度的方式,存在存储空间消耗多、实用性不强的问题。为解决该问题,该文提出一种基于多尺度特征融合的属性感知人脸图像超分辨率网络。该文借助局部残差模块和逐元素相加的融合方式以减少网络复杂性并提炼出表征能力优秀的多尺度特征。该文构建一个可自适应地融合多尺度特征和人脸先验的属性感知模块,使得网络学习到更丰富的语义信息。该文提出的网络由多个网络子模块级联构成,并通过一个多层次特征融合模块进行共同学习。试验表明：该文方法能取得良好的超分辨率性能,输出更加真实的人脸图像,可以通过调整人脸属性信息进行人脸图像生成效果的操纵。     

跨越中等收入陷阱阶段的区域电力消费问题研究

当前,河南正处于"跨越中等收入陷阱"的关键时期,经济发展方式和电力经济关系呈现出不同于以往的新特征,亟需深入研究经济电力关系的新规律、新趋势,为能源电力科学决策提供支撑。该文对比分析了我国与典型国家在"跨越中等收入陷阱"过程中的经济电力发展特征,并对未来一段时期的经济与电量变化趋势进行了预判     

工业控制系统场景指纹及异常检测

工业控制系统(ICS)是监测和控制电力、水务、石油天然气、化工、交通运输、关键制造等国家关键基础设施行业物理过程运行的信息物理系统(CPS)。基于ICS系统中控制通信数据流的持续性和稳定性,该文提出了从ICS系统工业控制协议交互模式中提取系统级行为特征来作为ICS场景指纹的创新思路和方法。ICS场景指纹不仅能用于识别特定ICS系统,而且还能用于建立ICS系统正常行为基准并进一步用于识别系统的异常行为。该文构建了采用真实工控设备和软件以及仿真物理过程的实验系统并进行了相关实验验证测试。实验结果表明,ICS场景指纹是ICS系统安全研究方面的一种非常有前景的方法。     

浅议在反窃电中用电信息采集系统的应用

用电信息采集系统是对电力用户的用电信息,进行采集、处理和实时监控的系统,可实现对用电信息的自动采集、计量异常监测、电能质量监测、用电分析和管理、分布式能源监控以及智能用电设备信息交互等多种功能。该文结合实际工作,从用电信息采集系统的整体架构和建设方案出发,并就其反窃电中的具体应用进行了简要的分析与探讨。     

高校工控系统网络信息安全人才培养研究

"新工科"背景下,随着云计算、大数据和物联网等新技术在工业控制领域广泛应用,工业控制系统网络信息安全作为一门多学科交叉融合的新工程技术,在保障关键信息基础设施安全方面的作用越来越突出,而人才不足的矛盾也日益凸显.本文从工控系统网络信息安全人才的需求出发,对高校工控网络信息安全人才培养的必要性和可行性进行了分析.     

用电信息采集系统电能计量数据异常原因及对策

电信息采集系统可以帮助能源使用企业提高对能源使用的效率,缓解电力供需之间的矛盾。电能计量装置需要通过现场校验的实验才能运行,当用户用电信息采集系统建立运营后,需要通过远程的方式,对用户电能计量装置进行运行分析,在传统的人工分析工作中,成本消耗大,时间花费多,还有可能造成一些分析的漏洞和错误,这就要求能够通过一些算法对电能计量数据发生异常的用户进行排查,该文主要介绍在用电信息采集系统中,产生数据异常的一些主要原因,同时分析提出一些解决办法和改进措施。     

电力信息安全技术的研究分析

电力发展是国民经济的命脉,电力信息的安全也直接影响到电力系统的稳定运行。随着电力业务的多向发展,电力企业的信息网络系统也越来越复杂,但是网络固有的不安全性和开放性也导致企业的电力信息系统存在很大的安全隐患。该文通过分析电力信息系统的主要威胁因素,进一步提出针对性的解决方案。     

大数据背景下的电力信息化智能管控平台设计

<正>以大数据为基础的电力信息化智能管控平台的设计目的是,全面提升电力信息服务平台的大数据流处理能力。电力信息化智能管控平台通过专用网络来有效连接区域电力运行设备,进而实现数据信息的接收、解析、存储以及指令的下发等。电力信息化智能管控平台是电网智能化时代电力系统发展的主要趋势。本文基于大数据背景对电力系统中的电力信息化智能管控平台展开设计。     

基于大数据的电力用户群体识别与分析方法研究

随着能源互联网及智能用电技术的发展,深入了解电力用户群体特征,并提供精准电力服务,成为"互联网+"智慧能源的重要研究内容.通过对售电体积累的用户社会属性、用电行为等大数据进行分析,构建用户间相似度权重模型,提出基于"用户-标签"二元网络的相似群体识别方法,并通过群体分析获取群属性和典型负荷特征,预测新入网用户的用电行为.该方法通过对标签数据的分析,便于发现群体中的重要用户,为互联网售电体实施个性化用电服务和增值服务推荐提供支撑,进而提升电力服务质量.     

基于CPS的能源互联网关键技术与应用

基于互联网的新技术、新模式的快速发展,对可再生能源的开发利用具有积极影响。以能源互联网为核心的第三次工业革命开始兴起,通过以信息、通信和传感技术为代表的信息物理系统(cyber physical system,CPS)与以电力技术为代表的能源系统深度融合,促进分布式可再生能源的充分利用与共享。在之前的能源互联网研究中,对于信息物理系统与能源领域的融合较少探讨。在此背景下,该文从CPS的概念出发,阐述能源互联网的技术体系与技术特征,围绕能源生产、传输、存储和分享深入探讨互联网与能源系统的融合,对基于CPS的能源互联网应用前景进行研究,分析制约其发展的困难与挑战,并提出发展建议。     

考虑消纳效益的多能源枢纽荷源协调优化方法

为进一步挖掘能源互联网多能源互补的潜力,提高能源系统的运行收益,降低运行成本,提出了一种考虑消纳效益的多能源枢纽荷源协调优化方法。考虑多能源系统的约束条件,依据最小化住宅能量枢纽运行总成本构建住宅能量枢纽模型,以最大化工业能量枢纽运行总收益为目标构建工业能量的枢纽模型。根据上述两层模型的约束条件得到荷源协调优化运行中存在的问题,采用多目标加权寻优算法,设计多目标混合整数线性规划模型,实现荷源协调优化。仿真实验结果表明:所设计的考虑消纳效益的多能源枢纽荷源协调优化方法可促进可再生能源的消纳,降低多能源枢纽的运行成本,有效减少开销,提高能源系统的运行收益,为多能源枢纽的经济运行及荷源协调优化提供了新的技术途径。     

省级电力数据通信网优化方案研究

省级电力数据网通信网的网络结构阻碍了电力数据通信网骨干网的延伸覆盖,该文针对某省电力数据通信网存在的问题,从网络结构、IP地址、路由协议、流量策略等方面提出了网络优化方案,为电力数据通信网骨干网覆盖至地市提供支撑。     

基于评分迭代的无监督网络流量异常检测

针对计算机网络流量异常检测中缺乏标注信息的挑战，该文提出一种基于评分迭代的无监督异常检测方法。设计了基于自编码器的异常评分迭代过程来学习通用异常特征，获取其初始异常评分。设计了基于深度序数回归模型的异常评分迭代过程来学习判别异常特征，进一步提高异常评分准确性。另外，还通过深度模型、多视图特征、集成学习提高检测准确率。在多个数据集上的实验表明，在无标注信息的情况下，该方法的性能相比对照方法具有明显优势，可以有效地用于现实网络流量异常检测。     

融合领域知识的网络异常检测方法

针对电力网络等特定领域的网络异常检测问题,该文提出了一种新的网络异常检测框架。该框架采用模糊逻辑规则表示领域知识,建立了区间2型模糊逻辑系统用于计算网络安全信念度量。在此基础上,设计了通信流识别策略将整个网络数据流划分为多个通信流,并针对每个通信流提出一种基于自组织映射(SOM)的异常检测方法。该方法采用安全信念度量动态地调整检测方法关键参数的阈值,以提升检测性能。进一步地,考虑网络安全信念的影响设计了一种综合安全决策策略,解决了不同通信流检测结果的冲突问题。小型智能电网网络实验验证结果表明,该文方法能有效地提升检测性能。     

基于Peach的工业控制网络协议安全分析

模糊测试技术是发现未公开漏洞的重要技术手段之一。该文基于Peach提出了工业控制网络协议的安全分析方法。该方法采用变异策略,构造畸形网络数据包,发送给被测目标进行测试,在测试过程中监测被测目标工控网络协议的运行状况,发现网络异常并进行异常分析。该方法以一种公开的大范围使用的工业控制网络协议Modbus TCP为例分析了其安全性。实验结果表明,该方法在工业控制网络协议的安全漏洞挖掘方面是有效的。     

基于数据增强的DBN-ELM入侵检测方法

随着工业4.0时代的到来,工控安全事件频发,工控信息安全问题已经备受关注。由于工控环境较为复杂,导致传统机器学习方法在分类大量工控数据时存在收敛速度慢、泛化性较差以及数据分布不均衡等问题。为了解决此类问题,本研究采用一种基于WGAN-GP数据增强并运用深度信念网络和极限学习机相结合的深度学习入侵检测方法,本方法基于一种梯度惩罚的生成对抗网络数据增强并将深度信念网络（deep belief network,DBN）自动提取特征的能力与极限学习机（extreme learning machine, ELM）快速学习的能力相结合。采用加拿大网络安全研究所公布的 CICIDS2017 数据集对所提出的算法进行测试,经过对比实验证明了该方法精度更高,收敛速度更快。为了验证所提出算法在工控环境中的适用性,本研究同时采用密西西比州立大学天然气管道数据集进行验证,证明了该算法在工业环境中具有高精度、误报率低等优点,为工业入侵检测的研究提供了一种新的研究思路。     

配电网自动化系统的分析应用

随着社会的不断发展,电力已经成为了现在的主流能源,通到了家家户户。随着配电网络的逐渐普及,如何提高配电网络供电可靠性、改进电能的质量、向广大人民提供更加优质的服务、降低电力公司电能配备运行的费用、降低电力工作人员的工作强度等成为了现在配电网络发展的主流方向。为了更好地实现以上目标,需要逐渐地实现配电网络的自动化,该文针对配电网络自动化系统的设计原则和系统的整体结构进行了一定的分析。