基于LightGBM的家庭负荷虚假数据注入攻击检测模型

作     者：汪锦 张啸宇 

作者机构：安徽大学人工智能学院 自主无人系统技术教育部工程研究中心 

出 版 物：《综合智慧能源》 (Integrated Intelligent Energy)

年 卷 期：2024年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金项目(62303005) 

主　　题：智能电表 虚假数据注入攻击 检测模型 特征提取 LightGBM 数据分析 

摘      要：随着信息技术的不断发展，智能电表被广泛部署在许多家庭中，方便电力公司更好地识别电力消费者的社会人口特征并提供多样化服务。然而，智能电网面临的威胁之一是能源盗窃，尤其是通过虚假数据注入攻击（FDIA）篡改电表数据实现的隐蔽性盗窃，成为影响电力系统安全和稳定运行的严重隐患。针对这一问题，提出了一种基于LightGBM的FDIA检测模型。选取正常用户的用电数据并对部分用户实施不同类型的FDIA，通过滑动窗口方法提取特征，利用LightGBM模型进行多分类检测。试验结果表明，该模型在检测精度和实时性方面表现优异，能够准确识别出不同类型的FDIA，且检测过程快速高效，满足实际应用的实时性要求，可为电力系统的安全运行提供保障。